DESAIN DAN IMPLEMENTASI

SISTEM ROBOTIKA
BERBASIS MIKROKONTROLLER
DESAIN DAN IMPLEMENTASI

SISTEM ROBOTIKA
BERBASIS MIKROKONTROLLER
 DESAIN DAN IMPLEMENTASI

SISTEM ROBOTIKA
BERBASIS MIKROKONTROLLER
Penulis:
Dr. Hendra Jaya, M.T.

Diterbitkan Oleh : Edukasi Mitra Grafika

Cetakan : Pertama, September 2016
Lay Out : Hendra
Desain Sampul : Hendra

Hak Cipta dilindungi Undang-undang,

Dilarang memperbanyak isi buku ini sebagian atau
seluruhnya dalam bentuk dan cara apapun juga, baik
secara Mekanis maupun Elektronis, termasuk fotocopy,
rekaman, dan lain-lain tanpa izin tertulis dari penerbit

DESAIN DAN IMPLEMENTASI SISTEM ROBOTIKA BERBASIS

MIKROKONTROLLER
Penulis : Hendra Jaya - Makassar

Edukasi Mitra Grafika

V- 300;21-15,5 cm

ISBN: 978-602-7629-99-8
i
ii
DESAIN DAN IMPLEMENTASI

SISTEM ROBOTIKA
BERBASIS MIKROKONTROLLER

Dr. Hendra Jaya, M.T

iii
iv
 PRAKATA

Puji syukur penulis panjatkan Kehadirat Allah SWT

Berkat Rahmat-Nya, buku yang berjudul DESAIN ROBOTIKA
dapat penulis selesaikan tepat pada waktunya.
Buku ini mulai dipersiapkan mulai tahun 2008, dan
Alhamdulillah pada bulan September tahun 2016 telah penulis
rampungkan dan telah di revisi. Buku DESAIN ROBOTIKA
menjelaskan mengenai berbagai macam teori-teori dan aplikasinya
yang dibahas secara runtut mulai BAB I hingga BAB IX kemudian
diakhiri dengan BAB X sebagai Proyek Akhir. Buku ini
dipadukan secara detail dan padat pada tiap bagian bab sehinga
antara BAB yang satu dengan BAB yang lain saling berkaita
sehingga nmemudahkan bagi pembaca untuk mempelajarinya.
Buku ini ditulis untuk diperuntukkan bagi praktisi yang gemar
dengan robotika dan untuk ikut dalam KONTES ROBOT
INDONESIA dan KONTES ROBOT CERDAS INDONESIA
yang diselenggarakan di setiap tahunnya, serta sebagai bahan
referensi untuk mata kuliah Robotika.
Akhirul kalam, bagaimanapun buku ini masih terdapat
kekurangan didalamnya. Sebagai wahana diskusi penulis
menyediakan alamat email: hendra070982@gmail.com dan
facebook : Hendra Jaya M.

Penulis,

Hendra Jaya

v
vi
 DAFTAR ISI

Prakata v

BAB 1 Pengenalan Robot…………………………….. 1

Definisi robot
Sejarah robot
3r dalam keselamatan robot
Arah pengembangan robotik
Teknik desain robot berorientasi fungsi
Real world
Robot: Orientasi
Penelitian seputar robotika

BAB 2 Sistem Sensor………………………………….. 28

Transducer
sensor
Jenis-jenis sensor

BAB 3 Aktuator (Penggerak)………………………… 65

Jenis-jenis aktuator
stepper
Motor DC tanpa sikat
Motor servo

BAB 4 Sistem Kecerdasan Buatan (AI)……………… 101

Definisi kecerdasan buatan
Sejarah kecerdasan buatan
Jenis-jenis AI
vii
 Penggunaan AI
Kelebihan AI
Kecerdasan buatan dalam robotik

BAB 5 Fuzzy Logic dalam Robotika………………… 118

Sistem logika fuzzy
fuzifikasi
defuzifikasi
Aplikasi logika fuzzy

BAB 6 Jaringan Syaraf Tiruan 145

Dalam Robotika………………………………..
sejarah jaringan syaraf tiruan
Jaringan syaraf
Aplikasi jaringan syaraf tiruan robotika

BAB 7 Kinematika dan Mekanika………………….. 163

Manipulator robot
Karakteristik robot
Sistem penggerak robot
End effector
Sensor eksternal
Konfigurasi sistem kontrol digital
Gerakan robot dan end effector
Komponen mekanik

BAB 8 Pengolahan Citra dalam 197

Robotika…………………………………………
Pengertian citra
Pengolahan citra
viii
 Sistem visual manusia
Pemanfaatan pengolahan citra
Komputer visi
Penggunaan CMU CAM dalam robotika

BAB 9 Mikrokontroller dalam 213

Aplikasi Robotika………………………………
Sistem pensaklaran dengan mikro
Perbedaan mikrokontroller dengan
mikroprosessor
Aplikasi mikrokontroller
Perkembangan mikrokontroller
Mikrokontroller MCS-51
Arsitektur mikrokontroller
Memory map mikrokontroller
Fungsi pin mikrokontroller MCS-51
Rangkaian mikrokontroller

BAB 10 Desain Robotika……………………………… 249

Sensor proximity
Pengaruh jumlah sensor
Robot line follower
Membuat source code
Program robot
Ujicoba robot line follower
Index
Glosarium
Daftar Pustaka
Dokumentasi Robotika
TentangPenulis

ix
x
Pengenalan 1
Robot

1
1.1 DEFINISI ROBOT
Definisi robot adalah "An automatic device that performs
functions normally ascribed to humans or a machine in the form of a
human” (kenji, 2002). Sebutan robot merupakan satu perkataan
yang amat sinonim bagi semua para pembaca. Penggunaan robot
merupakan satu fenomena yang biasa kita dengar pada saat ini.
Khususnya dalam bidang pembuatan dan tidak mustahil satu hari
nanti penggunaan robot juga akan digunakan di kalangan individu
khususnya di dalam rumah.
1. Menurut ramalan saintis, menjelang 2050, selain manusia,
dunia juga akan dipenuhi dengan berbagai robot pintar.
2. Dalam masa 30 tahun saintis percaya kita mampu
memahami bagaimana otak kita berfungsi dan ini memberi
peluang kepada kita untuk membangunkan teknologi AI
dengan lebih hebat.
3. Antara film-film terkenal yang sarat dengan teknologi AI
ialah The Matrix, Terminator, dan I-Robot.
4. Dee Blue adalah program komputer pertama dengan
elemen AI yang berjaya mengalahkan juara catur dunia,
Gary Kasparov.
Pada saat ini persaingan yang tajam di antara kelompok-
kelompok untuk mencipta robot untuk kegunaan masa depan
serta memamerkan kebolehan dan kepakaran mereka dalam
industri Sains dan Teknologi.
Robot pada awalnya diciptakan pada tahun 1921 dan
diperkenalkan oleh seorang dramatis berbangsa Czech, Karel
Capek dalam drama “ Rossum’s Universal Robot”. Juga sebutan atau
perkataan robotik pula telah dicipta oleh Isaac Asimov dalam
cerita sains fiksi mengenai robot dalam tahun 1940-an. Di dalam
Webstar’s New World Dictionary telah mendefinasikan robotic sebagai
sains dan teknologi pengembangan robot termasuk dari segi

2
bentuknya, pengeluarannya, aplikasinya dan kegunaan lain. Begitu
juga di Eropa , Robotik didefinasikan sebagai “ Sains Robotilogi”
dimana Robotologi didefinasikan sebagai “ cara bagaimana mesin
robot digabungkan dan membuat kerja”
Kebanyakan masyarakat menganggap robotik sebagai satu
bahagian teknologi, tetapi robotik meliputi berbagai bidang
teknologi seperti mekanikal, elektrik, elektronik, sistem otomasi,
perkakas, dan pemrograman komputer serta berbagai macam
teknologi canggih yang lain.
Apakah itu robot idustri? Ia diciptakan khas untuk tahan
banting dan sistem pengoperasinya yang lama mengikuti target
yang dikehendaki. Tujuannya adalah untuk membantu manusia
membuat kerja dan bukan menggantikan manusia. Kita sering
keliru dengan istilah penggunaan alat penginderaan jauh (remote-
controlled), automasi (automation) dan pengontrolan numerik
(numerically-controled) dengan istilah robot industri (industry robot)
menyebabkan kita tidak memahami apa itu robot industri.

1.2 SEJARAH ROBOT

Sejarah robot bermula ketika sistem otomatis dibuat oleh
jacques de vaucanson pada tahun 1938, yang membuat bebek
mekanik yang dapat memakan dan mencincang biiji bijian,
membuka dan menutup sayapnya. kemudian tahun 1796,
hisashine tanaga di jepang berhasil membuat mainan mekanik
yang dapat mnghidangkan the dan menulis huruf kanji. lalu 1926,
nikola tesla mendemintrasikan perahu bot yang dapat dikontrol
dengan radio. tahun 1928, Makoto Nishimura membuat robot
pertama di jepang (Agung, 2009).
Sejalan dengan perkembangan teknologi elektronika, maka
perkembangan robot ini melaju pesat, seperti tahun 1948, William
Grey walter membuat robot elektronik otomatis pertama dimana

3
robot ini dapat merespon cahaya dan dapat melakukan kontak
dengan objek dari luar. pada tahun 1954, saat dimulainya zaman
digital, sebuah robot digital yang dapat deprogram ditemukan oleh
George Devol.
Pada abad modern ini sudah bermacam-macam robot yang
dicipta dan digunakan seperti dalam industri, rumah sakit,
transportasi, pendidikan dan kehidupan sehari-hari. seperti robot
yang digunakan untuk mengecat mobil, robot yang digunakan
untuk merakit komponen elektronik dan juga humanoid robot
yaiitu robot yang memiliki muka, yang mampu berjalan dan
bertindak seperti manusia.
 Tahun 1801, J. Jacquard mencipta mesin tenun Jacquard,
mesin berpengaturcaraan untuk memasang benang untuk
menenun baju.
 Tahun 1805, H. Maillardet mengubah mekanikal anak patung
yang boleh melukis gambar.
 Tahun 1946, Pencipta Amerika G. C Devol mendesain alat
pertama yang mampu merekam isyarat elektrik secara magnet
dan memainkan awal untuk menjalankan mesin mekanik.
 Tahun 1951, Pengembangan teleoperator (manipulator secara
jauh) untuk mengendalikan bahan radioaktif. Hampir sama
dengan isu U.S Geertz (1954) dan Bergsland (1958).
 Tahun 1956, George Devol dan Joseph Engelberger
membentuk perusahaan penghasil robot pertama di dunia.
Pada tahun ini juga sebuah robot elektronik berbentuk tupai
dan diberi nama Squee diciptakan.
 Tahun 1959, Computer Assisted Manufacturingg telah
didemonstrasikan di Laboratorium Servomechanisms di MIT.
 Tahun 1960, Unimation dibeli oleh Condec Corporation dan
pengembangan Sistem Robot Unimate dimulai. American
Machine and Foundry, kemudian dikenal sebagai AMF

4
 Corporation, pasar robot silinder pertama, yang disebut
Versatran, dirancang oleh Harry Johnson dan Veljko
Milenkovic.
 Tahun 1961, Heinrich Ernst mengembangkan-MH 1,
komputer dioperasikan tangan mekanik di MIT. Robot
Unimate pertama dikirim dari Danbury, Connecticut dan
dipasang di pabrik General Motors di Trenton, New Jersey.
 Tahun 1962, Robot lengan pertama industri - Unimate -
diperkenalkan. Hal ini dirancang untuk menyelesaikan tugas
yang berulang atau berbahaya pada lini produksi General
Motors. Manipulator ini adalah yang pertama.
 Tahun 1963, John McCarthy daun MIT untuk memulai
Artificial Intelligence Laboratory di Universitas Stanford.
Lengan robot buatan pertama harus dikontrol oleh komputer
dirancang di Rancho Los Amigos Hospital di Downey,
California sebagai alat untuk orang cacat. The Lengan Rancho
enam sendi memberikannya fleksibilitas lengan manusia.
Diakuisisi oleh Stanford University pada tahun 1963, ia
memegang sebuah tempat di antara lengan robot pertama
buatan dikendalikan oleh komputer.
 Tahun, 1964. Intelijen laboratorium penelitian Artificial
dibuka di MIT, Stanford Research Institute (SRI), Stanford
University, dan University of Edinburgh. C & D Robotika
didirikan.
 Tahun 1965, Carnegie Mellon University menetapkan Institut
Robotics. Transformasi Homogen diterapkan untuk
kinematika robot - ini tetap menjadi dasar dari teori robotika
sampai hari ini. DENDRAL adalah sistem pakar pertama atau
program yang dirancang untuk melaksanakan akumulasi
pengetahuan para ahli subjek.
 Tahun 1966, Program kecerdasan buatan bernama ELIZA
dibuat di MIT oleh Joseph Weizenbaum. ELIZA berfungsi
5
 sebagai psikolog komputer yang memanipulasi penggunanya
laporan untuk membentuk pertanyaan. Stanford Research
Institute menciptakan Shakey. Mobile robot pertama yang bisa
bisa mendeteksi sekitarnya.
 Tahun 1968, Stanley Kubrick membuat s Arthur C. Clark,
2001: A Space Odyssey menjadi film. Ini fitur HAL, sebuah
komputer onboard yang memutuskan tidak perlu rekan-rekan
manusia lagi. Mendengar HAL dengan mengklik di sini.
Kawasaki lisensi desain robot hidrolik dari Unimation dan
mulai di produksi di Jepang. Tentakel lengan. Dinding gurita
seperti dipasang Lengan tentakel dikembangkan oleh Marvin
Minsky. Dua belas sendi memungkinkan lengan untuk
berkeliling sudut. Sebuah PDP-6 komputer mengontrol
lengan, didukung oleh cairan hidrolik. Lengan itu bisa
mengangkat berat seseorang.
 Tahun 1969, Victor Scheinman, seorang mahasiswa Teknik
Mesin bekerja di Stanford Artificial Intelligence Lab (SAIL)
menciptakan Lengan Stanford. Desain lengan menjadi standar
dan masih mempengaruhi rancangan lengan robot hari ini.
Victor Scheinman's Arm Stanford melakukan terobosan
sebagai lengan pertama yang berhasil bertenaga listrik, robot
yang dikendalikan komputer. Pada tahun 1974, Lengan
Stanford bisa merakit Ford Model T pompa air, membimbing
sendiri dengan sensor optik dan kontak. The Stanford Lengan
dipimpin langsung untuk produksi komersial. Scheinman
pergi ke desain seri PUMA robot industri Unimation, robot
yang digunakan untuk perakitan mobil dan tugas-tugas
industri lainnya.
 Tahun 1970, SRI internasional Shakey dari SRI, Menlo Park
USA, bisa melihat dan menghindari rintangan. Shakey
diperkenalkan sebagai robot mobile pertama dikendalikan

6
 oleh kecerdasan buatan. Hal ini dihasilkan oleh SRI
International. SRI International Shakey adalah robot
mobile pertama dikendalikan oleh kecerdasan buatan. Dan
dilengkapi dengan perangkat penginderaan didorong oleh
program pemecahan masalah yang disebut strip, robot
menemukan jalan di sekitar lorong-lorong SRI dengan
menerapkan informasi tentang lingkungan ke rute. Shakey
menggunakan kamera TV, laser range finder, dan sensor
benjolan untuk mengumpulkan data, yang kemudian
mengirimkan ke PDP Desember-10 dan PDP-15. Radio
komputer kembali perintah untuk Shakey -. yang kemudian
bergerak dengan kecepatan 2 meter per jam Stanford lengan.
Profesor Victor Scheinman dari Stanford University desain
dengan Lengan Standar. Saat ini, konfigurasi kinematik yang
tetap dikenal sebagai Arm Standar. Stanford University
menghasilkan Cart Stanford. Hal ini dirancang untuk menjadi
pengikut garis tetapi juga bisa dikendalikan dari komputer
melalui radio link.
 Tahun 1973, Cincinnati Milacron Corporation melepaskan
T3, (Perangkat Besok) robot yang tersedia secara komersial
pertama industri komputer mini yang dikontrol (dirancang
oleh Richard Hohn). Departemen AI di Edinburgh, Inggris,
menunjukkan Freddy II, sebuah robot yang bisa merakit objek
secara otomatis dari tumpukan bagian. 1At wabot universitas
Waseda di Jepang-Wabot 1 dibangun. wabot 1 Ini adalah
robot antropomorfik skala penuh pertama dibangun di dunia.
Ini terdiri dari suatu sistem kontrol anggota badan, sistem visi,
dan sistem percakapan. The Wabot-1 dapat berkomunikasi
dengan seseorang dalam bahasa Jepang dan untuk mengukur
jarak dan arah ke objek menggunakan reseptor eksternal,
telinga buatan dan mata, dan mulut buatan. The Wabot-1

7
 walkes dengan tungkai bawahnya dan dapat objek pegangan
dan transportasi dengan tangan yang digunakan sensor taktil.
 Tahun 1974, Scheinman Silver Arm 1974. Victor Scheinman
bentuk perusahaan sendiri dan mulai memasarkan Arm
Silver. Hal ini mampu merakit komponen kecil bersama-sama
menggunakan umpan balik dari sensor sentuh dan tekanan.
 Tahun 1975, Victor Scheinman mengembangkan
Programmable Universal Arm Manipulasi (Puma), yang
menjadi banyak digunakan sebagai robot industri. Unimation
akan membeli Vicarm Inc (1977) dan mengembangkan The
PUMA (Programmable Universal Mesin untuk Majelis) robot
untuk dipasarkan pada tahun 1979.
 Tahun 1976, Gripper Soft Shigeo Hirose merancang gripper
Soft di Tokyo Institute of Technology. Hal ini dirancang
untuk membungkus di sekitar objek dalam suatu fashion
seperti ular. lengan Robot digunakan pada Viking 1 dan 2
pesawat antariksa. Vicarm Inc menggabungkan komputer
mikro ke dalam desain Vicarm
 Tahun 1977, Star Wars dilepaskan. Film George Lucas
'tentang alam semesta yang diatur oleh gaya memperkenalkan
pengamat untuk R2-D2 dan C-3PO. Film ini menciptakan
citra terkuat masa depan manusia dengan robot sejak tahun
1960-an dan menginspirasi generasi peneliti. ASEA, sebuah
perusahaan robot Eropa, menawarkan dua ukuran robot
industri listrik bertenaga. Kedua robot menggunakan
kontroler mikro untuk pemrograman dan operasi.
 Tahun 1978, Menggunakan teknologi dari Vicarm,
Unimation mengembangkan PUMA (Programmable
Universal Mesin untuk Majelis). The PUMA masih dapat
ditemukan di laboratorium penelitian banyak hari ini.
Otomasi Brooks didirikan.

8
 Tahun 1979, Lembaga Robotika di Carnegie Mellon
University didirikan. Sankyo dan pasar IBM SCARA (lengan
robot selektif compliant diartikulasikan) dikembangkan di
Yamanashi University di Jepang. The Stanford Keranjang
dibangun kembali oleh Hans Moravec pada tahun 1977. Dia
menambahkan sistem visi yang lebih kuat memungkinkan
otonomi lebih besar dalam menjelajahi di sebuah ruangan
yang penuh dengan rintangan. Ini adalah beberapa percobaan
pertama dengan pemetaan 3D lingkungan. Keranjang
Standford melintasi ruangan penuh kursi tanpa bantuan
manusia. Gerobak memiliki kamera tv yang terpasang pada rel
yang mengambil gambar dari berbagai sudut dan relai mereka
ke komputer. Komputer menganalisa jarak antara kereta dan
hambatan.
 Tahun 1980, Seymour Papert menerbitkan Mindstorms:
Anak, Komputer, dan Gagasan Powerfull pendukung
konstruktivisme, atau belajar melalui melakukan sesuatu.
 Tahun 1981, Takeo Kanade membangun lengan penggerak
langsung. Ini adalah pertama kali memiliki motor pasang
langsung ke dalam sendi lengan. Perkembangan ini membuat
bergabung lebih cepat dan jauh lebih akurat daripada lengan
robot sebelumnya. Cognex didirikan. CRS Robotika Corp
didirikan.
 Tahun 1982, Ridley Scott Film ini didasarkan pada kisah
Philip K. Dick "Apakah androids ”Dream of Electric Sheep?"
dan dibintangi Harrison Ford sebagai Rick Deckard suatu
Blade Runner pensiunan yang diburu Replicants (atau
androids pemberontak. Fanuc Jepang dan General Motors
membentuk perusahaan patungan: GM Fanuc. Perusahaan
robot baru akan dipasarkan di Amerika Utara. Film
"Bladerunner" debut sebagai sebuah cerita tentang androids
yang "lebih manusia daripada manusia."
9
 Tahun 1983, Teknologi Adept didirikan.
 Tahun 1984, Joseph Engelberger mulai mengalami Transisi
Robotika, Helpmates kemudian berganti nama, untuk
mengembangkan robot pelayan. Douglas lenatDoug Lenat
kicks off proyek Ensiklopedia untuk membuat database akal
sehat untuk membantu kita memahami dunia robot. Pertama
dimulai pada Mikroelektronika dan Computer Technology
Corporation (MCC) di mana Profesor Lenat bekerja sebagai
ilmuwan selama 10 tahun. Proyek ini mengumpulkan seluruh
pengetahuan dunia berdasarkan "microtheories" (RV Guha).
Setiap microtheory melibatkan aktivitas manusia: berbelanja,
berenang, dll Banyak perusahaan besar seperti Bellcore,
Apple, Kodak, Desember, AT & T, Microsoft, dan Interval
Penelitian adalah pendukung proyek ini.
 Tahun 1986, LEGO dan MIT Media Lab berkolaborasi untuk
membawa produk LEGO pertama pendidikan berbasis pasar.
Tc LEGO digunakan di kelas oleh ribuan guru sekolah dasar.
Honda memulai program robot penelitian yang dimulai
dengan maksud bahwa robot "harus hidup berdampingan dan
bekerja sama dengan manusia, dengan melakukan apa yang
orang tidak dapat dilakukan dan dengan mengembangkan
dimensi baru dalam mobilitas untuk akhirnya
menguntungkan masyarakat."
 Tahun 1989, Sebuah robot berjalan bernama Genghis
diresmikan oleh Mobile Robot Grup di MIT. Hal ini menjadi
terkenal karena cara berjalan, populer dise but sebagai "kiprah
Genghis". Di MIT Rodney Brooks dan AM Flynn
menerbitkan paper "Cepat, Murah dan Out of Control:
Sebuah Invasi Robot dari Tata Surya" dalam Jurnal British
Society antarplanet. Akademisi mulai berkonsentrasi pada
robot kecil, yang berguna dan cerdas daripada simulasi

10
 manusia. Dr Seymour Papert menjadi Profesor LEGO dalam
Pembelajaran Research. Komputer Motion didirikan. Barrett
Teknologi didirikan
 Tahun, 1990. ABB Swiss memperoleh Cincinnati Milacron
(pencipta PUMA). Kebanyakan produsen robot kecil keluar
dari bisnis hanya menyisakan beberapa yang sekarang
memproduksi unit industri berkembang dengan baik.
 Tahun 1992, Dalam upaya untuk membangun penyedot debu
dikendalikan radio Marc Thorpe memiliki ide untuk
membangun robot tempur. Dr John Adler hadir dengan
konsep CyberKnife robot yang gambar pasien dengan x-ray
untuk mencari tumor dan memberikan radiasi pra- dosis
direncanakan untuk menemukan tumor.
 Tahun 1993, Dante robot berjalan berkaki-8 yang
dikembangkan di Carnegie Mellon University. Seiko Epson
mengembangkan sebuah robot mikro bernama Monsieur,
robot terkecil di dunia mikro disertifikasi oleh Guinness Book
of World Records. Sensable Technologies didirikan.
 Tahun 1994, Carnegie Mellon University (CMU) Robotika
Institute Dante II, versi yang lebih kuat dari pendahulunya,
turun ke kawah Alaska (Amerika Serikat) gunung berapi.
Spurr untuk mengambil sampel gas vulkanik. Misi ini
dianggap berhasil. Marc Thorpe memulai Robot perang di
pusat Mason Fort di San Francsico, CA.
 Tahun 1995, Tahun kedua Robot Wars acara ini diadakan di
Fort Mason Center, San Francisco, CA. Bedah intuitif
dibentuk oleh Fred Moll, Rob Younge dan John Freud untuk
merancang dan memasarkan sistem robot bedah. Pendiri
teknologi berbasis pada pekerjaan di SRI, IBM dan MIT.
 Tahun 1996, Sebuah RoboTuna (ikan) dirancang dan
dibangun oleh David Barrett untuk tesis doktoralnya di MIT.
Hal ini digunakan untuk mempelajari cara ikan berenang.
11
 Michael S. Triantafyllou seorang profesor di Departemen
Teknik Kelautan adalah memimpin tim peneliti. Chris
Campbell dan Dr Stuart Wilkinson (University of South
Florida di Tampa, USA) mengubah inspirasi kecelakaan bir di
University of South Florida. Hasilnya adalah Gastrobot,
sebuah robot yang mencerna massal organik untuk
menghasilkan karbon dioksida yang kemudian digunakan
untuk daya. Mereka menyebut penciptaan mereka, "mesin
perut kembung." Kemudian nama panggilan ya ng lebih
konvensional diberikan: "Chew Chew". Honda Luncurkan P-2
(prototipe 2), robot humanoid yang dapat berjalan, menaiki
tangga dan membawa beban.
 Tahun 1997, Simpul pertama Stasiun Luar Angkasa
Internasional ditempatkan di orbit. Selama beberapa tahun
mendatang akan semakin banyak komponen bergabung,
termasuk lengan robot yang dirancang oleh perusahaan
Robotika MD Kanada. Honda memamerkan P3, prototipe 8
dalam sebuah proyek desain humanoid dimulai pada tahun
1986. Program komputer, yang disebut "bots web", banyak
digunakan di web untuk menggali informasi. Web bots
dibangun sekitar inti yang diduga memiliki kecerdasan
terbatas, atau 'pandai' lebih baik, algoritma cerdas untuk
menentukan relevansi dari informasi terhadap apa yang
pengguna minta untuk mencari (informasi). Webbots adalah
agen-agen otonom yang mencari cara mereka sendiri pada atau
melalui internet tanpa campur tangan manusia. RoboCup
turnamen sepak bola pertama diadakan di Nagoya, Jepang.
Mei, kehilangan juara dunia catur Garry Kasparov untuk
superkomputer IBM Deep Blue. Bulan Juli, The Pathfinder
mendarat di Mars Misi.

12
 Tahun 1998, Tiger Electronics memperkenalkan Furby untuk
mainan Natal. Dengan cepat menjadi "mainan" untuk
mendapatkan untuk musim ini. Menggunakan berbagai
sensor ini "peliharaan animatronik" yang dapat bereaksi
terhadap lingkungannya dan berkomunikasi menggunakan
lebih dari 800 frase dalam bahasa Inggris dan bahasa mereka
sendiri. LEGO rilis Robotika pertama
mereka. Skotlandia pemilik hotel
Campbell A ird dilengkapi dengan
lengan bionik pertama di dunia.
Agustus, Cynthia Breazeal di MIT
bekerja pada robot Kismet, yang dapat
meniru emosional bayi. Oktober, NASA
meluncurkan pesawat ruang angkasa
Space Deep 1 otonom yang akan
menguji teknologi yang akan digunakan
dalam misi berawak masa depan dan dilakukan sepenuhnya
oleh robot.
 Tahun 1999, AIBO, Sony, Jepang. Mei, Sony membangun
AIBO, K9 generasi berikutnya. Salah satu robot pertama
ditujukan untuk pasar konsumen. Ia bereaksi pada suara dan
memiliki beberapa jenis perilaku terprogram. LEGO rilis
Robotika Discovery Set, Droid Developer Kit dan Robotics
Invention System 1.5. Personal Robot rilis robot Cye yang
dapat digunakan untuk melakukan berbagai pekerjaan rumah
tangga.
 Tahun 2000, Honda Asimo. Honda debut robot humanoid
Asimo baru, generasi berikutnya dari seri robot humanoid.
Acara Battlebots diadakan di Las Vegas, Nevada. LEGO
merilis Mindstorms Robotics Invention SystemTM 2.0.
Oktober, PBB memperkirakan bahwa ada 742.500 robot
industri digunakan di seluruh dunia. Lebih dari setengah dari
13
 yang digunakan di Jepang. 11 November
Sony memperkenalkan robot humanoid,
dijuluki Sony Dream Robot (SDR), di
Robodex. November, Komputasi
neurobiologi Sandro Mussa-Ivaldi, dari
Northwestern University Medical School
di Chicago, AS, kait Facebook otak
lamprey untuk sensor untuk mengontrol
robot.
 Tahun 2001, LEGO melepaskan
Mindstorms Ultimate Builder Set. Sony
AIBO generasi ke-2. Sony rilis generasi kedua anjing robot
yang AIBO. ISS SSRMS; Dibangun oleh MD Robotika dari
Kanada, Space Station Remote Manipulator System (SSRMS)
berhasil diluncurkan ke orbit dan mulai operasi untuk
menyelesaikan perakitan Stasiun Luar Angkasa Internasional.
April, Global Hawk merancang pesawat mata-mata robot lebih
dari jarak 13.000 km (8.000 mil) antara California, Amerika
Serikat, dan Australia Selatan. Agustus, FDA CyberKnife
melakukan operasi tumor di mana saja di dalam tubuh.
 Tahun 2002, ASIMO, Jepang Honda. Honda ASIMO adalah
robot pertama yang bisa berjalan secara independen dengan
gerakan yang relatif halus dan bisa memanjat tangga.
 Tahun 2003, SONY melepaskan
AIBO ERS-7 itu generasi ke-3 pet
robot. Epson memperkenalkan
para Monsieur II-P pada April
2003.
 Tahun 2004, Epson rilis robot
terkecil. Beratnya 0,35 ons (10
gram) dan berukuran 2,8 inci (70

14
 mm) di ketinggian, Micro Flying
Robot ini diperkenalkan seba gai
robot helikopter paling ringan dan
terkecil di dunia. Perusahaan itu
berharap akan digunakan sebagai
"kamera terbang" selama bencana
alam. Prototipe ini sangat lalat
lebih dari beberapa meter
meskipun tetapi objek
dimaksudkan sebagai kasus
menunjukkan kemampuan perusahaan.
 Tahun 2005, Para peneliti di Universitas Cornell menyatakan
telah membangun robot replikasi diri pertama. Array batu
komputerisasi mengilustrasikan prinsip-prinsip self-replikasi,
kata Hod Lipson, seorang profesor teknik mesin dan pesawat
terbang di Cornell yang memimpin tim yang merancang ditiru
bots.
Setiap "robot" adalah menara kecil dari batu komputerisasi
dihubungkan oleh magnet. Magnet memungkinkan kubus
untuk menghubungkan dengan atau melepaskan diri dari satu
sama lain. Salah satu tumpukan batu menempatkan "kepala"
di meja, maka itu mengambil sebuah kubus baru dan set pada
ini "biji." Ini mengulangi proses untuk membangun
saudaranya. Selain itu, robot baru dimulai untuk membantu
orang tua dalam proses pembangunan. Sejak Oktober 6 di
London Aquarium di County tiga ikan Hall robot menarik,
berenang dalam tangki yang dirancang secara khusus. Mereka
dirancang oleh Profesor Huosheng Hu dan tim berpusat nya
robot dari Departemen Ilmu Komputer di University of Essex.
tim Profesor Hu telah bekerja dengan Aquarium London
selama tiga tahun untuk mengembangkan robot ikan biologis
terinspirasi yang meniru gerakan bergelombang spesies ikan
15
 alam - bertujuan untuk kecepatan tuna, percepatan tombak,
dan keterampilan navigasi dari belut. Ikan robot memiliki
kontrol berbasis sensor dan kemampuan navigasi otonom -
mereka dapat menemukan jalan sendiri di sekitar tangki
aman, menghindari benda, dan bereaksi terhadap
lingkungannya. Menurut Profesor Hu, tujuan dari proyek ini
adalah untuk membawa masyarakat dalam kontak langsung
dengan robot, meningkatkan pemahaman mereka terhadap
ilmu pengetahuan dan teknologi: 'pekerjaan ini memiliki
banyak aplikasi dunia nyata termasuk eksplorasi dasar laut,
mendeteksi kebocoran pada pipa penyalur minyak, tambang
penanggulangan , dan meningkatkan kinerja kendaraan
bawah air. "

1.3 3R DALAM KESELAMATAN ROBOT

a. Robots Require Respect
 keselamatan manusia yang utama
 kemudian keselamatan robot
 kemudian peralatan lain
b. Apakah Bahaya Yang Dihadapi ?
Mulai dengan yang paling berbahaya :
 Membetulkan robot ( mesti dilakukan dalam ruang kerja )
o Robot yang rusak dapat bergerak secara tiba-tiba
 Melatih atau memerintahkan robot
o Untuk robot pergerakan titik ke titik ( Point To
Point ) perlu manusia di sekitar untuk memeriksa.
o Pengontrolan robot menghasilkan pergerakan fisik.
 Operasi normal
o Jika peralatan lain tidak berfungsi, ia merupakan
sumber bahaya.

16
 o Contoh : dalam kes Kawasaki, seorang
perancangrobot ( 10 tahun pengalaman ) mati
dihantam oleh robot sewaktu membetulkan mesin
yang rusak.
o Robot menarik perhatian manusia dan penggemar
yang ingin tahu.
o Contoh : di Jepang, seorang perancang di kilang
kereta mati dihantam oleh robot sewaktu sedang
meperhatikan/memeriksanya.
(Kharistiawan, 2012)

1.4 ARAH PENGEMBANGAN ROBOTIK

Divisi Robotik dimaksudkan untuk mempelajari dan
mengambangkan sistem pengaturan mini dan menengah dari
sebuah sistem untuk dapat mengendalikan proses dari sistem
tersebut. Tentunya secara spesifik pengembangan dalam bidang ini
sangat terkait dengan bidang penginderaan, pemrosessan dan
rekayasa, serta bidang visualisasi.
Target utama divisi ini baru sampai dengan tahap rancang
bangun sistem-sistem robotik yang dapat digunakan untuk tujuan
tertentu (dedicated robot). Diharapkan nantinya dari "parsial
dedicated robot" akan dapat diciptakan robot kategori menengah
dengan beberapa fungsi yang cukup kompleks (Kharistiawan,
2012).

1.5 TEKNIK DISAIN ROBOT BERORIENTASI FUNGSI

Pertanyaan awal yang sering mengemuka ketika kita
berbicara tentang robot adalah: apa manfaat atau kegunaan robot
ini? Pertanyaan ini memiliki dampak serius ketika konteks
diskusinya adalah tentang investasi yang relatif besar yang biasanya
harus dikeluarkan untuk membangun suatu sistem robotik. Apa

17
dampak keuntungan secara ekonomi, apa sumbangannya untuk
kesejahteraan hidup manusia, merupakan pertanyaan yang sulit
dideskripsikan ketika sistem robot yang dibangun masih dalam
taraf penelitian. Seperti misalnya, apa manfaat dari investasi besar
yang harus dikeluarkan dalam keikutsertaan kontes robot?
Kemajuan teknologi di bidang robotik apakah tidak justru
mengancam eksistensi pekerja (manusia) industri di negeri yang
masih amat tinggi tingkat penganggurannya ini?
Buku ini tidak akan membahas fungsi atau manfaat robot
seperti yang dipertanyakan di atas. Bahasan lebih ditujukan untuk
menjawab: bagaimana menguasai teknik disain robotik secara
cepat, efisien, bermanfaat dan mudah dipahami. Fungsi komersial
pada gilirannya akan mudah dideskripsikan jika mahasiswa atau
disainer sudah mulai ahli dalam mencipta robot. Gambar 2.1
berikut ini mengilustrasikan tentang sebuah diagram sistem
robotik yang berhubungan dengan “dunia nyata” (real world).

Bagian-bagian robot diterangkan dalam Gambar 1.1

sebagai berikut:

18
Gambar 1.1: Sistem Robot dan orientasi fungsi (Supriyanto, 2010)

1. 5.1 SISTEM KONTROLER

Sistem kontroller adalah rangkaian elektronik yang setidak-
tidaknya terdiri dari rangkaian prosesor (CPU, Memori,
komponen interface Input/Output), signal conditioning untuk
sensor (analog dan atau digital), dan driver untuk aktuator. Bila
diperlukan bisa dilengkapi dengan sistem monitor seperti seven

19
 segment, LCD (liquid crystal display) ataupun CRT (cathode ray-
tube).

1.5.2 MEKANIK ROBOT

Adalah sistem mekanik yang dapat terdiri dari setidak-
tidaknya sebuah fungsi gerak. Jumlah fungsi gerak disebut
sebagai derajat kebebasan atau degree of freedom (DOF). Sebuah
sendi yang diwakili oleh sebuah gerak aktuator disebut sebagai
satu DOF. Sedangkan derajat kebebasan pada struktur roda dan
kaki diukur berdasarkan fungsi holonomic atau non-holonomic
(diterangkan di Bab 7).

1.5.3 SENSOR
Adalah perangkat atau komponen yang bertugas
mendeteksi (hasil) gerakan atau fenomena lingkungan yang
diperlukan oleh sistem kontroler. Dapat dibuat dari sistem yang
paling sederhana seperti sensor ON/OFF menggunakan limit
switch, sistem analog, sistem bus parallel, sistem bus
serial, hingga sistem mata kamera.

1. 5.4 AKTUATOR
Adalah perangkat elektromekanik yang menghasilkan daya
gerakan. Dapat dibuat dari sistem motor listrik (Motor DC
(permanent magnet, brushless, shunt dan series), Motor DC Servo,
Motor DC Stepper, ultrasonic motor, linear motor, torque motor,
solenoid, dsb.), sistem pneumatik (perangkat kompresi berbasis
udara atau gas nitrogen), dan perangkat hidrolik (berbasis bahan
cair seperti oli). Untuk meningkatkan tenaga mekanik aktuator
atau torsi gerakan dapat dipasang sistem gearbox, baik sistem
direct-gear (sistem lurus, sistem ohmic/worm-gear, planetary

20
 gear, dsb.), sprochet-chain (gir-rantai, gir-belt, ataupun sistem
wire-roller, dsb.)

1.5.4.1 Sistem roda

Adalah sistem mekanik yang dapat menggerakkan robot untuk
berpindah posisi. Dapat terdiri dari sedikitnya sebuah roda
penggerak (drive dan steer), dua roda differensial (kiri-kanan
independen ataupun sistem belt seperti tank), tiga roda (synchro
drive atau sistem holonomic), empat roda (Ackermann model/car like
mobile robot ataupun sistem mecanum wheels) ataupun lebih.

1.5.4.2 Sistem kaki

Pada dasarnya sistem kaki adalah gerakan “roda” yang
didisain sedemikian rupa hingga memiliki kemampuan gerak
seperti mahluk hidup. Robot berjalan dengan sistem dua kaki
atau biped robot memiliki struktur kaki seperti manusia setidak-
tidaknya mempunyai sendi-sendi yang mewakili pergelangan
kaki, lutut, dan pinggul. Dalam konfigurasi yang ideal
pergerakan pada pinggul dapat terdiri dari multi DOF dengan
kemampuan gerakan memutar seperti orang menari jaipong.
Demikian juga pada pergelangan kaki, idealnya adalah juga
memiliki kemampuan gerakan polar. Untuk robot binatang
(animaloid) seperti serangga, jumlah kaki dapat didisain lebih dari
empat. Bahkan robot ular dapat memiliki DOF yang lebih dari 8
sesuai dengan panjang robot (ular) yang didefinisikan.

1.5.4.3 Sistem tangan

Adalah bagian atau anggota badan robot selain sistem roda
atau kaki. Dalam konteks mobile robot, bagian tangan ini
dikenal sebagai manipulator yaitu sistem gerak yang berfungsi
untuk memanipulasi (memegang, mengambil, mengangkat,

21
 memindah atau mengolah) obyek. Pada robot industri fungsi
mengolah ini dapat berupa perputaran (memasang mur-baut,
mengebor/drilling, milling, dll.), tracking (mengelas,
membubut, dsb.) ataupun mengaduk (kontrol proses). Untuk
robot tangan, disain sendi-lengan diukur berdasarkan DOF.
Lengan dapat dibuat kaku/tegar (rigid) ataupun fleksibel (flexible
manipulator). Sistem tangan memiliki bagian khusus yang disebut
sebagai gripper atau grasper (pemegang). Untuk grasper yang
didisain seperti jari tangan manusia, derajat kebebasannya dapat
terdiri lebih dari 16 DOF (3 DOF untuk jari kelingking, manis,
tengah, telunjuk, dan 4 DOF untuk jari jempol), tidak termasuk
gerakan polar pada sendi pergelangan.

1.6 REAL WORLD

Real World atau dunia nyata didefinisikan sebagai daerah
kerja (workspace) daripada robot. Robot yang tersusun dari
tangan/manipulator saja memiliki workspace yang terbatas sesuai
panjang jangkauan tangannya. Untuk robot beroda atau berkaki,
workspace-nya menjadi relatif tak terbatas tergantung kemampuan
jelajahnya. Dengan menggabung robot tangan ke atas mobile robot
maka daerah kerja untuk navigasi dan manipulasi dapat
digabung dengan baik. Navigasi dasar dapat berupa mengikuti
jalur di jalan (seperti line-follower atau route-runner robot, model
labirin pada robot tikus, robot marka jalan berbasis vision, dsb.),
berjalan menuju ke obyek atau sasaran (menggunakan sensor
radar, sonar, kamera, proximity, dsb.), ataupun berjalan menuju
sasaran dengan menghindari halangan (obstacle). Untuk bagian
tangan, tugasnya dapat berupa tracking mengikuti referensi
trajektori, menuju atau menghindari obyek berbasis vision, dan
segala terminologi manipulasi yang mungkin dilakukan sesuai
dengan tool pada posisi TIP atau ujung/pergelangan tangan.
22
 Untuk mode kerja multi-robot, kemampuan navigasi dan
manipulasi ini dapat digabungkan secara simultan untuk
membentuk fungsi atau tugas baru yang diselesaikan secara
gotong-royong antar robot.

1.7 ROBOT : ORIENTASI

Awal 1980-an > Mobile Robot mulai dipakai secara meluas
kemudian dikembangkan robot humanoid/animaloid (biologically
inspired robot). Selanjutnya Virtual Robot didasari oleh ide-ide
virtual reality.

Gambar 1.2 Orientasi Robotika

1.8 PENELITIAN SEPUTAR ROBOTIKA

Perkembangan penelitian di bidang robotika lazimnya
dapat segera diketahui dengan mencermati aplikasinya di dunia
industri atau produk kegiatan penelitian skala laboratorium di
23
group-group penelitian yang tersebar di berbagai institusi
pendidikan dan penelitian di negara-negara maju. Dengan
mudahnya mengakses internet sekarang ini dan banyaknya
sumber-sumber informasi masa kini yang tersebar secara terbuka di
situs-situs penelitian, maka dalam mencari tahu suatu
perkembangan terbaru dalam dunia robotika menjadi sangat
mudah. Untuk mengetahui dalam tema apa saja robotika dapat
diteliti, maka Gambar 1.3 dapat mengilustrasikannya. Di dalam
gambar dijelaskan tentang keterkaitan seluruh komponen atau sub-
domain dalam ruang lingkup penelitian di bidang robotika. Secara
garis besar penelitian di bidang robotika dapat dilakukan dengan
memilih tema berdasarkan alur dalam 4 tahapan, yaitu klasifikasi,
obyek penelitian, fokus penelitian dan target penelitian. Dari blok
klarifikasi, struktur robot dapat diketahui berada dalam kelompok
mana. Dari sini, obyek penelitian dapat ditentukan dan dijabarkan
secara detil parameterparameternya (Supriyanto, 2010). Terdapat
banyak penelitian mengenai robot di Indonesia. Menurut
Pitowarno (2007) Berbagai macam bidang dan aplikasi robot dapat
diterapkan. Gambar 1.3 Dibawah ini diperlihatkan penelitian-
penelitian mengenai robotika.

Bahan Dasar Robot

Untuk perancangan sebuah robot harus terlebih dahulu
mengetahui bahan apa saja yang bisa digunakan dalam membuat
sebuah robot, sesuai dengan unsur-unsur utamanya. Berikut ini
adalah bahan-bahan dasar yang biasanya digunakan pada sebuah
robot.
a. Kayu
Kayu mungkin adalah bahan terbaik untuk robot. Kayu
cukup ringan, cukup kuat dan mudah di bentuk. Belum lagi
harganya murah dan mudah didapatkan. Bahkan jika Anda

24
Gambar 1.3 Penelitian seputar robotika
(Pitowarno, 2007)

25
berniat untuk menggunakan logam atau plastik, kayu dapat
berguna untuk berbagai tujuan seperti prototyping dan sebagai
bantuan dalam mengerjakan bagian berbahan logam atau plastik.
Alasan utama mengapa tidak banyak robot yang terbuat dari
banyak kayu adalah karena kayu tampaknya tidak cocok dalam
menggambarkan sebuah mesin berteknologi tinggi (robot). Kayu
berguna bagi robot berukuran kecil atau sedang, prototyping dan
sebagai bantuan pembangunan. ini untuk hal-hal yang harus
diingat pada waktu mendesain.
b. Logam
Ada 80 macam logam murni yang berbeda dan masing-
masing logam memiliki sifat yang berbeda. Namun dalam dunia
Robotika hanya ada sebahagian saja yang dapat dimanfaatkan.
Daftar tersebut bertambah karena adanya pemaduan. Pemaduan
adalah proses menggabungkan baik dalam larutan atau senyawa,
dua atau lebih elemen, setidaknya salah satunya adalah logam, dan
bahan yang dihasilkan akan memiliki sifat logam. Substansi logam
yang dihasilkan dapat memiliki sifat yang berbeda (kadang-kadang
sangat berbeda) tergantung dari sifat komponen logam tersebut.
Ada beberapa jenis logam dan paduan. Beberapa paduan terbatas
pasokannya di pasaran, karena terbatasnya permintaan. Untuk
mendapatkan bahan-bahan tersebut seringkali diperlukan untuk
melihat lebih jauh dari pasar konsumen umum.
c. Aluminium
Aluminium (atau Aluminum keduanya benar) pada
umumnya tersedia dalam bentuk diekstrusi dalam berbagai
bentuk. Alumunium cukup murah, ringan, kuat, dan tahan
terhadap korosi. Namun aluminium tidak praktis karena
membutuhkan alat las khusus (MIG / MAG atau pengelasan TIG)
dan tidak terlalu kuat. Selain itu memungkinkan untuk
menyambungkannya dengan disolder, namun sambungannya akan

26
kurang kuat. Dibandingkan menggunakan mur dan baut atau
paku keeling (repet).
Bahan Alumunium akan :
Berguna untuk robot berukuran kecil atau sedang.
Berguna untuk bagian non-beban bantalan, di robot besar.
Tidak sangat bagus untuk bantalan.
Ada paduan dari Aluminium disebut Duraluminium hampir sekuat
baja lembut tapi sangat ringan sehingga menjadikannya pilihan
yang tepat untuk pembangunan robot. Namun sebagai tradeoff
untuk kombinasi yang kuat dan cukup mahal
d. Baja
Umumnya baja yang tersedia adalah paduan dari besi. Baja
lebih kuat dari aluminium, tetapi juga lebih berat dan lebih sulit
untuk dikerjakan. Namun pemanasan baja (pada suhu pengelasan)
dapat merubah karakteristiknya (kekuatan, kekerasan dan
ketahanan karat). Perhatikan bahwa saat mengebor baja,
memerlukan pendinginan dan pengeboran dengan kecepatan
lambat. Jika Anda mengebor terlalu cepat, maka bor akan
memanas hingga menjadi panas dan merah. Bor yang sudah
memanas dan memerah akan berkurang sifat kerasnya dan
menjadi rusak.
 Berguna untuk robot besar dan robot yang direncanakan
beroperasi dalam kondisi kasar.
 Terlalu berat untuk robot berukuran kecil atau sedang.
e. Perunggu
Sangat baik untuk bantalan. Terlalu mahal dan berat
untuk bahan robot.
f. Kuningan
Lebih berat dan lebih mahal dari aluminium Namun dapat
disolder untuk penempelan antar kuningan.

27
Sistem
2
Sensor

28
2.1 TRANSDUSER
Transduser adalah alat yang mengubah energi dari satu
bentuk ke bentuk yang lain. Transduser dapat dibagi menjadi
dua kelas : transduser input dan transduser output. Transduser
input listrik mengubah energi non listrik, misalnya suara atau
sinar menjadi tenaga listrik. Transduser output listrik bekerja
pada urutan yang sebaliknya. Transduser tersebut mengubah
energi listrik pada bentuk energi non listrik.

Sinyal Input Sinyal Output

Transducer Input
mengubah energi Transducer Output
suara menjadi mengubah energi listrik
energi listrik menjadi energi suara

Gambar 2.1 Transduser input-listrik dan output-listrik

2.2 SENSOR
Sensor adalah alat yang digunakan untuk mendeteksi
dan sering berfungsi untuk mengukur magnitude sesuatu.
Sensor adalah jenis transduser yang digunakan untuk
mengubah variasi mekanis, magnetis, panas, sinar dan kimia
menjadi tegangan dan arus listrik. Sensor biasanya
dikategorikan melalui pengukur dan memegang peranan
penting dalam pengendalian proses pabrikasi modern. Sensor
29
memberikan ekivalen mata, pendengaran, hidung, lidah untuk
menjadi otak mikroprosesor dari sistem otomatisasi industri.

Gambar 2.2 Sistem Sensor

2.3 JENIS – JENIS SENSOR

Sensor dalam dunia elektronika banyak sekali ragamnya,
mulai dari sensor yang sederhana hingga sensor yang dibuat
dengan teknologi canggih. Mulai dari harga yang murah hingga
harga yang sangat mahal, mulai dari yang tingkat kepekaannya
rendah hingga mempunyai kepekaan yang sangat tinggi.

30
1. Sensor Sinar
Fotovoltaic atau sel solar adalah alat sensor sinar yang
mengubah energi sinar langsung menjadi energi listrik (Gbr
2.3). Sel solar silikon yang modern pada dasarnya adalah
sambungan PN dengan lapisan P yang transparan. Jika ada
penyinaran cahaya pada lapisan transparan P akan
menyebabkan gerakan elektron antara bagian P dan N, jadi
menghasilkan tegangan dc yang kecil. Tegangan output adalah
sekitar 0.5 V per sel pada sinar matahari penuh.
Sel fotokonduktif (juga disebut sel fotoresistif) adalah jenis
transduser sinar yang lain yang populer (Gbr 2.3)

Gambar 2.3 Sel Fotovoltaic atau sel solar

Energi sinar yang jatuh pada sel fotokonduktif akan

menyebabkan perubahan tahanan sel. Jenis lain yang lebih
31
populer adalah sel fotosulfida cadmium. Apabila permukaan alat
ini gelap, maka tahanan alat menjadi tinggi. Ketika menyala
dengan terang tahanan turun pada tingkat harga yang rendah.
Ada dua jenis sensor fotolistrik utama yang digunakan
untuk merasakan posisi. Mesing – masing memancarkan
sorotan sinar (dapat dilihat, inframerah atau laser) dan elemen
yang memancarkan sinar (Gbr 2.5). Sensor fotolistrik jenis reflektif
digunakan untuk mendeteksi sorotan sinar yang dipantulkan
dari target. Sensor fotolistrik melalui sorotan digunakan untuk
mengukur perubahan jumlah sinar yang disebabkan oleh target
yang menyeberang sumbu optik.

Gambar 2.4 Sel Fotokonduktif

Gambar 2.4. menunjukkan aplikasi sensor fotolistrik. Sifat

sensor tipe ini :
 Deteksi tanpa kontak. Deteksi tanpa kontak membatasi
kerusakan pada target maupun kepala sensor, memastikan
pelayanan yang lebih lama dan operasi yang bebas
perawatan.
32
 Deteksi target dari setiap bahan yang sebenarnya. Deteksi
didasarkan pada jumlah sinar yang diterima atau perubahan
jumlah sinar yang dipantulkan. Metode ini memungkinkan
deteksi target dari material yang berbeda misalnya kaca,
logam, plastik, kayu dan cauiran.

Gambar 2.5 Sensor Fotolistrik

 Pendeteksian jarak jauh. Jenis reflektif sensor fotolistrik

mempunyai jarak pendeteksian 1m dan jenis melalui-
sorot mempunyai jarak pendeteksian 10m.
 Respon kecepatan tinggi. Sensor fotolistrik ini mampu
merespon kecepatan sebesar 50 mikro detik (1/20.000
detik).

33
 Diskriminasi warna. Sensor ini mempunyai kemampuan
mendeteksi sinar dari listrik, didasarkan pada reflektansi
dan penyerapan warnanya, jadi memungkinkan
pendeteksian dan pendis-kriminasian warna.

Gambar 2.6 Penggunaan Sensor Fotolistrik

 Deteksi sangat cermat. Sistem optik yang unik dan

rangkaian elektronis yang presisi memungkinkan

34
 penempatan dan pendeteksian yang sangat akurat dari
abyek yang sangat kecil.

Misalnya, sensor fotolistrik jenis reflektif digunakan untuk

mendeteksi ada tidaknya label diperlihatkan pada Gambar 2.6
(a). Pada Gambar 2.6(b), head dari sensor fotolistrik melalui
sorotan diletakkan diatas dan dibawah tahanan yang berjalan
pada lin produksi. Variasi pada lin mengubah jumlah sorotan
lasaer, jadi memberikan sinyal kerusakan.
Pada kebanyakan sensor fotolistrik, Ligh-Emitting Diode
(LED) adalah sumber cahaya yang mentransmisikan, dan
fototransistor adalah penerima sumber (Gbr 2.7). Pada keadaan
operasi, sinar dari LED jatuh pada input fototransistor, dan
jumlah konduksi melalui transistor berubah. Output analog
menyediakan output yang sebanduing dengan jumlah sinar yang
terlihat oleh fotodetektor.

Gambar 2.7 Operasi sensor fotolistrik

2. Sensor Ultrasonik
Sensor ultrasonik bekerja dengan mengirimkan gelombang
suara menuju target dan mengukur waktu yang diperlukan
untuk pulsa melenting kembali. Waktu yang diperlukan gaung
untuk kembali ke sensor berbanding lurus dengan jarak atau
tinggi dari obyek, sebab suara mempunyai kecepatan konstan.
35
Pada Gbr 2.8, sinyal gaung yang kembali secara elektronis
diubah menjadi output 4 sampai dengan 20 mA, yang
mensuplai kecepatan aliran yang dimonitor ke alat kontrol
eksternal. Obyek padat, cair, butiran dan tekstil dapat dideteksi
dengan sensor ultrasonik. Reflektifitas suara dari permukaan
cairan sama dengan objek padat. Tekstil dan buih menyerap
gelombang suara dan mengurangi rentang penyensoran.

Gambar 2.8 Sensor ultrasonik

Gelombang suara adalah gelombang mekanik sehingga

memerlukan medium selama perambatannya. Gelombang suara
merambat di udara sebagai pengembangan dan pemampatan
dari partikel-partikel udara. Ketika gelombang longitudinal
mengalir di dalam fluida, daerah yang rapat suatu saat akan
lebih panas sedikit dari daerah yang renggang. Jumlah panas
36
yang diteruskan persatuan waktu dan persatuan luas tergantung
daya hantar kalor fluidanya dan dari jarak antara bagian
pemampatan dengan bagian perenggangan
disampingnya(setengah panjang gelombang). Pada frekuensi
audio misalnya sekitar 20 hingga 20000 Hz, dengan konduktor
panas yang terbaik sekalipun, panjang gelombang terlalu besar
dan daya hantar kalor terlalu kecil untuk dapat dikatakan
mengakibatkan adanya panas yang mengalir. Jadi perapatan dan
perenggangan tersebut lebih bersifat adiabatik daripada
isotermik.
Dalam persamaan untuk kecepatan gelombang
1/2
longitudinal dalam fluida,μ=(B/ρ) , modulus bulk B
didefinisikan oleh persamaan

perubahant ekanan
B= (1)
perubahanvolumpersat uanvolum
Perubahan volum yang disebabkan oleh suatu
perubahan tekanan tertentu tergantung dari apakah
kompresi/perenggangan bersifat adiabatik atau isotermik. Jadi
ada dua macam modulus bulk. Yaitu modulus bulk adiabatik
B dan modulus bulk isotermik.
ad

X X = jarak lintang tertentu

Y = jarak obyek thd alat
Y R = pembacaan alat
θ = sudut pembacaan
A = titik posisi alat
θ
R dinding
A Gambar 1

γRT
µ= (11)
M
37
 untuk gas tertentu , γ, R dan M adalah konstan., maka
dapatlah dilihat bahwa cepat rambat berbanding langsung
dengan akar suhu mutlak.

Tabel 1, 2 Dimensi:

Y/X 30 cm 90 120 150 180 210 …

cm cm cm cm cm cm
30 cm
90 cm
… cm

Untuk 3 Dimensi, ketinggian Z disertakan, misalnya untuk Z =

90 cm, 120 cmdst.
Gelombang longitudinal dalam udara menimbulkan
peristiwa bunyi. Telinga manusia peka terhadap frekuensi bunyi
dari sekitar 20 sampai 20000 Hz. Gelombang suara diatas itu
tidak dapat didengar oleh telinga manusia dinamakan
gelombang ultrasonik. Pada percobaan ini digunakan
gelombang ultrasonik dengan frekuensi 40,4 kHz yang
merupakan frekuensi resonansi transducer ultrasonik alat.

3. Sensor Tekanan
Transduser ukuran ketegangan kawat mengubah tegangan mekanis
menjadi sinyal listrik. Ukuran ketegangan didasarkan pada
prinsip bahwa tahanan penghantar berubah dengan panjang
dan luas penampang. Gambar 2.9. menggambarkan operasi dari
ukuran ke tegangan. Gaya yang diberikan pada kawat
menyebabkan kawat bengkok. Aksi pembengkokan juga

38
memotong ukuran kawat secara fisik, dan mengubah
tahanannya.
Perubahan tahanan ini diberikan pada rangkaian
jembatan yang mendeteksi perubahan kecil pada tahanan kawat.
Sel ketegangan kawat beban [lihat Gambar 2.9.(d)] biasanya
dibuat dengan baja dan kawat yang peka dengan ketegangan.
Karena sel beban dibebani, logam memanjang atau mengulur
atau menekan dengan lembut. Ketegangan kawat mendeteksi
gerakan dan menterjemahkannya pada sinyal mV. Banyak
ukuran dan bentuk sel beban yang mempunyai rentang
kepekaan mulai dari gram sampai dengan jutaan pounds.

Gambar 2.9 Pengukur Regangan Kawat

Pengukur regangan semi konduktor menggunakan kristal piezo

listrik sebagai elemen sensornya. Pada saat gaya diberikan pada
39
kristal, bentuk kristal berubah. Perubahan bentuk
membangkitkan tegangan pada terminal output kristal (Gbr
2.10). pengukur regangan semi konduktor bereaksi lebih cepat
pada perubahan yang terjadi pada alat pengukuran dan
mempunyai kepekaan yang lebih tinggi dari pada pengukur
regangan kawat.

(a) Ketika gaya diberikan, bentuk kristal (b) Aplikasi

umum-pengukuran level tangki Berubah dan mengembangkan
tegangan Pada terminal outputnya

Gambar 2.10 Pengukur regangan semi kondukter

4. Sensor Kecepatan/Sensor RPM

Tachometer umumnya menunjuk pada magnet
permanen kecil dari generator dc. Ketika generator diputar,
generator menghasilkan tegangan dc berbanding lurus
dengan kecepatan. Tachometer yang dirangkai dengan
motor, umumnya digunakan pada aplikasi pengendali
40
 kecepatan motor untuk memberikan tegangan umpan-balik
pada pengontrol yang sebanding dengan kecepatan motor
(Gambar 2.11).

Gambar 2.11. Tachometer

Kecepatan putar sering diukur dengan menggunakan sensor

yang mengambil pulsa magnetis (induksi). Magnet diletakkan pada
poros. Kumparan kawat kecil dipasang dekat magnet, menerima
pulsa setiap magnet lewat. Dengan mengukur frekuensi pulsa,
kecepatan poros dapat ditentukan. Output tegangan dari
41
kumparan pengambil sangat kecil dan memerlukan amplifikasi
untuk dapar diukur. (Gbr 2.12).

Gambar 2.12 Sensor-pengambil magnetis

5. Sensor Penyandi (Encoder Sensor)

Sensor penyandi digunakan untuk mengubah gerakan
linear atau putaran menjadi sinyal digital (Gambar 2.13).
Penyandi putaran memonitor gerakan putar dari alat. Ada
dua jenis :
 Penyandi tambahan, yang mentransmisikan jumlah tertentu
dari pulsa untuk masing-masing putaran alat.
 Penyandi absolut, yang memperlengkapi kode binary tertentu
untuk masing-masing posisi sudut alat.
Penyandi rotasi tambahan jenis optik diperlihatkan pada
Gambar 2.13 (a) membangkitkan sederetan gelombang kotak
pada saat porosnya diputar. Piringan penyandi menggangu sinar
saat poros penyandi diputar untuk menghasilkan bentuk
gelombang output gelombang kotak. Hal seperti ini sangat peka
dan akurat (umumnya mulai dari 100 sampai dengan 4000
pulsa per putaran). Penyandi putaran absolut jenis optikal,
diperlihatkan pada Gambar 2.13 (b), bekerja dengan cara yang
42
sama dengan perkecualian, bahwa lebih banyak jejak atau bekas
yang dipakai pada piringan penyandi. Apabila dilihat sepintas
dalam fashion paralel, jejak-jejak tersebut memperlengkapi
informasi sudut dalam bentuk kode. Jumlah jejak sesuai dengan
jumlah langkah per putaran. Jejak-jejak tersebut disusun dalan
kode Gray. Pengkodean Gray mempunyai keuntungan
dibanding dengan pengkodean yang lain yang hanya diubah
satu bit (jejak) per langkah. Ini menolong untuk menghindari
kesalahan pembacaan.
Menunjuk pada Gambar 2.13 (c), jumlah gelombang kotak
yang diperoleh dari output penyandian dapat dibuat untuk
menyesuaikan dengan gerakan mekanis yang dikehendaki.
Misalnya, membagi putaran poros menjadi 100 bagian, maka
penyandi harus dibagi untuk memberikan 100 siklus gelombang
kotak per putaran. Dengan menggunakan penghitung untuk
menghitung siklus tersebut berarti dapat memberitahu seberapa
jauh poros telah diputar.

43
Gambar 2.13. Sensor Penyandi

44
 Rangkaian Sensor Kecepatan menggunakan
OptoIsolator/OptoCoupler model "U" (860D) dapat dilihat pada
gambar berikut:

Gambar 2.14 Rangkaian Sensor Kecepatan

Dengan dibantu lempeng lingkaran yang dilubangi,

sensor kecepatan akan menghasilkan pulsa high ( ) jika
terdapat lubang. Posisi sensor secara mekanis dapat dilihat pada
gambar 2. Perlu diingat bahwa jumlah lubang yang dibuat akan
mempengaruhi hasil tampilan di DT-51 KND. Makin banyak
lubang maka pembacaan akan makin sering dan jika dikonversi
ke RPM akan didapat hasil yang makin mendekati kondisi
aslinya.

45
 Gambar 2.15 Opto coupler

Hubungan antara de KITS SPC DC Motor dengan rangkaian

sensor ini adalah sebagai berikut:

Tabel 2. Hubungan de KITS SPC DC Motor dengan Rangkaian

Sensor
Rangkaian Sensor De KITS SPC DC Motor
Out IN1

Setelah menghubungkan rangkaian dan

menghubungkan supply tegangan yang tepat, download-lah
program RPMDISP.HEX ke DT-51 MinSys Ver3.0.
Adapun blok diagram sistem secara keseluruhan adalah sebagai
berikut:

46
 Gambar 2.16 Blok Diagram AN13

Rangkaian Sensor Kecepatan berfungsi untuk

mendeteksi jumlah putaran per satuan waktu. Hal ini telah
diakomodasi oleh de KITS SPC DC Motor pada IN1 untuk
mendeteksi pulsa kecepatan motor. DT-51 KND berfungsi
sebagai input transmisi (Top, Brake, Up, Down, Neutral) pada
keypad dan output display pada 7 segment. Penekanan TOP
akan memutar motor pada kecepatan maksimum (tanpa PWM).
Penekanan Up atau Down akan mengurangi atau menambah
nilai PWM sebesar 10d. Penekanan N akan menghentikan
putaran motor. Penekanan Brake akan menghentikan
putaran motor secara cepat (layout dapat dilihat pada gambar
4). Selain itu, DT-51 KND juga berfungsi untuk menampilkan
hasil penghitungan pulsa kecepatan motor (dalam desimal).
Setiap 1 detik tampilan pada 7 segment akan di-update.
Tampilan hanya menyatakan jumlah pulsa bukan menyatakan
kecepatan motor dalam RPM.
Jika ingin menghitung RPM, maka bisa dihitung dengan
rumus:

47
Pada RPMDISP.ASM digunakan GateTime 1 detik sehingga
rumus menjadi:

6. Sensor Proximity (sensor Garis)

Sensor proximity adalah sensor untuk mendeteksi ada
atau tidaknya suatu obyek. Bila obyek berada didepan sensor
dan dapat terjangkau oleh sensor maka output rangkaian sensor
akan berlogika “1” atau “high” yang berarti obyek “ada”.
Sebaliknya jika obyek berada pada posisi yang tidak terjangkau
oleh sensor maka output rangkaian sensor akan bernilai “0”
atau “low” yang berarti obyek “tidak ada”. Dalam dunia
robotika, sensor proximity seringkali digunakan untuk
mendeteksi ada atau tidaknya suatu garis pembimbing gerak
robot atau yang lebih dikenal dengan istilah “line following” atau
“line tracking”, juga biasa digunakan untuk mendeteksi adanya
benda benda penghalang seperti dinding atau benda-benda
lainnya sehingga robot dapat menghindari tambrakan dengan
benda-benda tersebut.
Jenis sensor proximity meliputi limit switch (saklar
mekanik), ultrasonic proximity, infrared proximity (infra merah),
kamera dan lain sebagainya. Gambar 2.17 adalah contoh pada
aplikasi line following robot.

7. UV Tron
UVTron Flame Sensor Hamamatsu menggunakan
tabung UVTron produksi Hamamatsu yang mempunyai cara
kerja sederhana. Saat katoda tabung diha-dapkan pada berkas
48
ultraviolet (dari lilin), maka photoelectron dikeluarkan dari
katoda tabung oleh efek fotolistrik kemudian dipercepat oleh
anoda tabung dengan medan listrik. Semakin tinggi tegangan
yang diberikan maka semakin besar pula medan listriknya.
Energi kinetik dari elektron menjadi cukup kuat untuk
mengionkan molekul-molekul gas tertutup pada tabung dengan
benturan. Elektron dibangkitkan oleh pengionan yang
dipercepat, memungkinkan elek-tronelektron tersebut untuk
meng-ionkan molekul-molekul lain sebelum mencapai anoda.
Dengan kata lain, ion positif dipercepat menuju katoda dan
membenturkannya, yang menghasilkan elektron-elektron kedua.
Proses peluruh-an ini menyebabkan arus yang besar antara
elektroda dan diikuti oleh pengo-songan muatan elektron
(discharge). Sekali pengosongan terjadi, tabung akan diisi oleh
elektron-elektron dan ion-ion. Tegangan jatuh antara katoda
dan anoda diusahakan dikurangi secara opti-mal. Kondisi ini
akan menyisakan tega-ngan anoda tanpa mengalami penuru-nan
dibawah titik (point) saturasi.

Gambar 2.17 Line following Robot

49
Gambar 2.18 Sensor UVTron R2868 dan driving circuit seri C3704

Sensor UVTron R2868 menggunakan efek fotolistrik dari

logam dan efek pencampuran gas. Sensor ini mempunyai
sensitivitas spektrum celah sebesar 185 nm hingga 260 nm.
Tidak seperti pendeteksi oleh semikonduktor, sensor ini tidak
membutuhkan filter pemotong spektrum sinar tampak, hal ini
yang menjadi penggunaannya mudah. Dengan ukuran yang
sangat kecil sensor ini mempunyai kepekaan angular
(pengarahan) dan cukup baik serta cepat dalam mendeteksi
radiasi ultraviolet yang dikeluarkan oleh api (contohnya sensor
ini dapat mendeteksi api dari korek api pada jarak tidak lebih
dari 5m).

8. Sensor Efek Hall

Sensor efek Hall merupakan sensor yang digunakan
untuk mendeteksi medan magnet. Sensor efek Hall akan
menghasilkan tegangan yang proporsional dengan kekuatan
medan magnet yang diterima oleh sensor tersebut. Sensor ini
terdiri dari sebuah lapisan silikon yang berfungsi untuk
50
mengalirkan arus listrik. Sensor efek Hall hanya terdiri dari
sebuah lapisan silikon dan dua buah elektroda pada masing-
masing sisi silikon. Hal ini akan menghasilkan perbedaan
tegangan pada outputnya ketika lapisan silikon ini dialiri oleh
arus listrik. Tanpa adanya pengaruh dari medan magnet, arus
yang mengalir pada silikon akan tepat berada ditengah-tengah
silikon dan menghasilkan tegangan yang sama antara elektrode
sebelah kiri dan elektrode sebelah kanan, sehingga beda
tegangan yang dihasilkan pada output adalah sebesar 0 volt.

Gambar 2.19. Tanggapan spektrum sensor UVTron R2868 terhadap

variasi sumber-sumber cahaya

51
 Arus Listrik

Lapisan Silikon
Elektroda

Elektroda

Arus Listrik

Lapisan Silikon
Elektroda

Elektroda

Gambar 2.20 unjuk kerja sensor efek hall

Ketika terdapat medan magnet yang mempengaruhi

sensor ini, arus yang mengalir akan berbelok mendekati atau
menjauhi salah satu sisi silikon. Pembelokan arus ini
disebabkan oleh adanya gaya Lorenzt yang bekerja pada arus
(gambar 2.21).
52
 Gambar 2.21 Gaya Lorenzt yang bekerja pada arus
akibat adanya medanmagnet

Ketika arus yang melalui lapisan silikon tersebut

mendekati sisi silicon sebelah kiri maka terjadi
ketidakseimbangan tegangan output dan hal ini akan
menghasilkan beda tegangan di outputnya. Begitu pula bila arus
yang melalui lapisan silikon tersebut mendekati sisi silikon
sebelah kanan. Semakin besar kekuatan medan magnet yang
mempengaruhi sensor ini, pembelokan arus di dalam lapisan
silikon juga semakin besar, sehingga ketidakseimbangan
tegangan antara kedua sisi lapisan silikon pada sensor semakin
besar pula. Semakin besar ketidakseimbangan tegangan ini,
beda tegangan pada output sensor juga semakin besar.
Ketika terdapat bahan yang mengandung ferromagnetik
mendekati magnet, akan terjadi perubahan kuat medan magnet.
53
Perubahan kuat medan magnet ini kemudian akan
menyebabkan beda tegangan pada sensor efek Hall berubah.
Namun perubahan tegangan ini sangat kecil, sehingga
dibutuhkan penguat tegangan agar perubahan tegangan tersebut
dapat dimanfaatkan. Untuk memperkuat perubahan tegangan
tersebut, digunakan op-amp TL081 yang memiliki karakter
sebagai precision operational amplifier. Op-amp ini dirancang
menjadi rangkaian non-inverting amplifier. Output dari sensor
efek Hall masuk melalui R1 yang dihubungkan dengan input
noninverting (+). Agar op-amp ini berfungsi sebagai penguat,
digunakan Rf (feedback resistor) yang dihubungkan antara input
non-inverting (+) dengan output TL081. Nilai R1 yang
digunakan adalah 1,5 KΩ, dan Rf adalah 470 KΩ, sehingga
berdasarkan persamaan 2.1, besar penguatan op-amp ini sebesar
314,3 kali. Rangkaian sensor efek Hall dan penguat tegangan
digambarkan pada gambar 2.22.
Karena op-amp ini dirangkai dengan rangkaian non-
inverting amplifier, maka output yang dihasilkan adalah sefase
dengan inputnya. Bila pada input, tegangan yang masuk adalah
naik, maka pada output, tegangan yang dihasilkan adalah naik.
Hall effect sensor sering dipakai untuk Split ring clamp-on
sensor, Analog multiplication, Power sensing, Position and motion
sensing, Automotive ignition dan fuel injection serta Wheel rotation
sensing. Sensor ini banyak tersedia di berbagai macam pabrik,
dan digunakan untuk sensor-sensor yang bervariasi seperti
sensor aliran cairan, sensor power dan sensor tekanan.

54
 Gambar 2.22 Rangkaian sensor efek Hall dan penguat tegangan

Sensor Efek Hall digunakan untuk mendeteksi

kedekatan (proximity), kehadiran atau ketidakhadirannya suatu
objek magnetis (yang) menggunakan suatu jarak kritis. Pada
dasarnya ada dua tipe Hall-Effect Sensor, yaitu tipe linear dan tipe
on-off. Tipe linear digunakan untuk mengukur medan magnet
secara linear, mengukur arus DC dan AC pada konduktor dan
fungsi-fungsi lainnya. Sedangkan tipe on-off digunakan
sebagai limit switch, sensor keberadaan (presence sensors), dsb.
Sensor ini memberikan logika output sebagai interface gerbang
logika secara langsung atau mengendalikan beban dengan buffer
amplifier.
Ada banyak sekali jenis sensor yang bisa ditanamkan
pada robot. Dengan memiliki fungsi yang beragam juga.
Diantaranya adalah;
1. Touch Sensor. Adalah jenis sensor yang akan mendeteksi
ketika disentuh, ibarat kulit. Touch Sensor pada dasarnya
adalah saklar yang memiliki berbagai jenis bentuk. Pada robot
digunakan untuk misalnya; mendeteksi objek yang ada pada
55
tangan robot, mencegah terjadinya tabrakan pada robot beroda,
dan masih banyak lagi.

Gambar 2.23 Push Button dan Touch Sensor

Contoh touch sensor yang paling sederhana adalah Push

Button. Dan yang lebih baiknya bisa kamu lihat pada gambar
atas.

2. Light Sensor. Sensor ini mendeteksi cahaya atau peka

terhadap cahaya disekitarnya. Dengan sensor ini robot dapat
mengetahui gelap dan terang suatu objek, tempat, siang atau
malam.

Gambar 2.24 LDR Sensor dan IR Sensor

Untuk menentukan gelap dan terang suatu tempat biasa

menggunakan LDR Sensor, sementara untuk keperluan Robot
56
Pengikut Garis (Line Follower) menggunakan InfraRed Sensor.

3. Color Sensor. Sama seperti light sensor atau Infra Red

sensor, color sensor juga bisa mendeteksi gelap terang dengan
menangkap warna hitam dan putih. Tapi selain itu, Color
Sensor juga dapat mendeteksi warna lainnya seperti merah,
biru, kuning, dan sebagainya.

Gambar 2.25 Light Sensor

Pada aplikasinya color sensor juga bisa digunakan untuk

membuat robot Line Follower, bahkan yang lebih canggih,
yaitu: dapat mengikuti garis dengan warna yang lebih spesifik.

4. Distance Sensor. Adalah jenis sensor yang digunakan untuk

mendeteksi objek dengan cara mengukur jarak objek tersebut.
Sensor ini bisa mengukur jarak dengan sangat akurat. Dalam
robot, Distance Sensor berguna sebagai mata. Robot dapat
melihat objek didepannya dengan sensor ini.

57
 Gambar 2.26 Ultrasonic Sensor

Contoh Distance Sensor yang paling sering digunakan adalah

Ultrasonic sensor. Cara kerjanya sama persis seperti mulut dan
telinga pada kelelawar.

5. Sound Sensor. Mendeteksi suara disekitar robot, fungsinya

tentu saja seperti telinga. Melalui program sensor ini bisa
membedakan suara yang nyaring, suara yang tidak nyaring, dan
hening. Intensitasnya bisa kita atur manual, atau melalui
program, tergantung jenis Sound Sensor yang dipakai.

Gambar 2.26 Sound Sensor dan Voice Recognition

58
Bahkan untuk jenis Voice Recognition, itu bisa diprogram
untuk mendengar kata (bahasa) yang digunakan manusia.

6. Balance Sensor. Biasa digunakan untuk membuat robot tetap

seimbang. Mengetahui kemiringan, dan membantu bangun saat
robot terjatuh. Salah satu contohnya adalah Gyroscope, dipakai
juga pada Smartphone.

Gambar 2.27 Ballance atau Gyro Sensor

Metoda Pelacakan Warna dengan Kamera CMUcam4 (A.

Goode, 2014)
Pelacakan warna adalah kemampuan untuk mengambil
suatu gambar, mengisolasi warna tertentu, dan mengekstrak
informasi tentang lokasi suatu daerah gambar yang berisi warna
tertentu. Untuk menentukan warna tersebut, diperlukan nilai
minimum dan nilai maksimum untuk tiga kanal warna. Setiap
warna yang unik diwakili oleh nilai merah, hijau dan biru
(RGB) yang mengindikasikan berapa banyak setiap warna pada
kanal tersebut dicampur. Pada CMUcam4, setiap kanal warna
59
tersebut memiliki batasan nilai dari 0 (nol) sampai 255 sehingga
diperlukan enam nilai yang merepresentasikan nilai minimum
dan maksimum setiap kanal warna yang ingin dilacak. Setelah
ditentukan, CMUcam4 mengambil nilaitersebut dan memulai
untuk memproses gambar. Banyak metoda yang dapat dipakai
untuk melacak warna, CMUcam4 mengambil metoda yang
sederhana yaitu memproses setiap frame gambar dari kamera
secara terpisah. Dimulai dari bagian atas kiri gambar dan secara
berurutan meneliti setiap piksel baris demi baris. Jika piksel
tersebut memenuhi nilai warna yang ingin dilacak maka posisi
tersebut ditandai. Nilai-nilai tersebut kemudian digunakan
untuk mengetahui posisi kiri atas, kiri bawah, kanan atas dan
kanan bawah dari warna yang terlacak pada gambar sehingga
terbentuk kotak yang melingkupi warna yang diinginkan
tersebut. Pada akhir gambar, CMUcam4 menjumlahkan nilai
piksel yang terdapat pada kotak tersebut dan mencari titik
tengah dari kotak tersebut. Oleh karena itu, informasi yang
dikeluarkan dalam pelacakan warna pada CMUcam4 berupa
posisi x awal, y awal, x akhir, y akhir, titik tengah x, titik tengah
y, dan jumlah piksel seperti yang diperlihatkan dalam Gambar
8.11.

Diagram alir proses pelacakan warna oleh CMUcam4

Diagram alir umum proses pelacakan warna oleh
CMUcam4 untuk aplikasi robosoccer diberikan dalam Gambar
8.12. Dalam diagram alir tersebut, kamera CMUcam4 akan
berfungsi apabila diberi perintah untuk melakukan pelacakan
warna dengan menggunakan kedua servo yang terhubung pada
kamera dan diberi perintah oleh mikrokontroler Arduino
sebagai komponen pemroses utama dalam sistem. Dalam proses
60
pelacakan ini kamera akan selalu mengarah pada titik setpoint
pada jendela kamera CMUcam4 yaitu pada koordinat[x,y] =
[100,11] sesuai dengan piksel benda yang dilacak untuk gawang
dan [x,y] = [75,75] pada bola. Jika kamera tidak mendapatkan
titik koordinat tersebut maka kamera akan melakukan scanning
sampai mendekati setpoint koordinat benda. Pada bagian
pengontrol utama Arduino Uno, robot pertama kali
dioperasikan dalam keadaan standby dengan nilai data pada
sensor dalam keadaan 0 atau belum ada kondisi apapun. Ketika
“sound = 1” maka robot akan mulai bergerak melacak mencari
bola warna orange sesuai dengan keadaan pada kuadran kamera.
Apabila bola tidak terdeteksi maka kamera akan mengambil
data dari Arduino dengan nilai parameter RGB 255,73,139.
Setelah kamera menemukan setpoint maka robot akan berjalan
mendekati bola. Jika bola sudah mulai dekat dengan nilai
“koordinatX !=0 || koordinatY !=0 dan x Gawang = nilai Servo x”,
maka robot akan mulai melacak warna gawang kuning dengan
nilai parameter RGB 226,229,149. Apabila warna gawang tidak
terlacak maka kamera akan mengambil data dari Arduino
dengan data tersebut. Setelah menemukan gawang, robot akan
menentukan arah menendang bola yang searah dengan gawang
sehingga nilai parameternya tertentu.
Proses deteksi objek dengan sensor kamera CMUcam4
menggunakan CMUcam4GUI melalui beberapa tahap yaitu
pengambilan gambar benda yang akan dilacak dengan
CMUcam4GUI, pemolaan gambar yang dilacak dengan
CMUcam4GUI, dan pengambilan parameter nilai RGB dari
hasil pemolaan dengan CMUcam4GUI tersebut. Proses
pemolaan pada bola dan pengambilan sampel model untuk
dapat dilacak oleh kamera CMUcam4 dilakukan agar kamera
61
dapat mengenali dimensi bola dan warna bola dengan cara
mengetahui jumlah piksel pada gambar yang diambil oleh
kamera CMUcam4 dan dapat mengetahui nilai RGB pada bola
tersebut. Pengambilan sampel bolanya diperlihatkan pada
Gambar 8.13.

Gambar 8.11 Pelacakan warna (Asep Najmurrokhman, 2016)

Pengambilan model gambar dilakukan dengan memotret

frame pada jendela CMUcam4 lalu memberi tanda kotak pada
model bola yang akan dilacak seperti diperlihatkan pada
Gambar 8.14. Dalam penelitian ini, sampel bola berwarna
oranye sesuai dengan warna bola yang harus dideteksi oleh
robosoccer yang digunakan.
Tahap selanjutnya yaitu pemberian tanda dengan
mengatur opacity control pada GUI dalam Gambar 8.14(1). Pada
bagian opacity control terdapat dua bagian pengaturan frame dan
bitmap opacity, masing - masing nilai dari bagian tersebut di
62
perkecil menjadi 0,96 dan 0,50 agar sampel model lebih jelas
seperti pada Gambar 8.14(2), sehingga pada saat pelacakan bola
kamera dapat melacak bola dengan baik. Dari pengaturan
tersebut, nilai parameter RGB untuk bola diperlihatkan pada
Gambar 8.14.
Dari proses tersebut, kamera akan memberikan nilai
parameter RGB kepada prosesor digital dalam CMUcam4 dan
selanjutnya nilai parameter tersebut diberikan dalam inisialisasi
program mikrokontroler Arduino Uno sebagai pengendali
utama dalam sistem robosoccer ini. Objek berikutnya yang harus
dikenali oleh robosoccer adalah gawang dan garis tepi lapang.
Dalam hal ini, sampel yang akan diolah oleh CMUcam4 berupa
informasi warna dari gawang dan garis tepi tersebut, seperti
diberikan dalam Gambar 8.15.

(a) (b)
Gambar 8.13 (a) Pengambilan sampel bola; (b) Pengambilan
Warna Pelacakan

Gambar 8.15(1) memperlihatkan citra asli sedangkan Gambar

8.15(2) adalah citra yang diolah dengan opacity control pada GUI
kamera ditentukan frame opacity dan bitmap opacity masing
masing bernilai 0,60 dan 0,27. Nilai tersebut diberikan agar
63
kamera mudah fokus dalam pelacakan warna dan tidak mudah
lost tracking. Dari hasil pengaturan nilai tersebut, nilai RGB
untuk gawang dan garis tepi lapang diperlihatkan pada Gambar
8.16.

Gambar 8.14 Nilai Parameter RGB

Gambar 8.15. (1) Gambar Gawang dan Tepi Garis; (2) Citra
yang diolah oleh CMUcam4.

Gambar 8.16. (1) parameter RGB gawang; (2) parameter RGB

Garis Lapangan
64
 Aktuator
3
(Penggerak)

65
3.1 DEFINISI PENGGERAK (ACTUATOR)
Penggerak, dalam pengertian listrik adalah setiap alat yang
mengubah sinyal listrik menjadi gerakan mekanis. Jenis yang
pokok dari penggerak adalah relai, solenoid dan motor.

Gambar 3.1 Aktuator pada Robot mobile

3.2 JENIS-JENIS AKTUATOR

a. Relay
Relai adalah alat yang dioperasikan dengan listrik yang
secara mekanis mengontrol penghubungan rangkaian listrik.
Relai adalah bagian yang penting dari banyak sistem kontrol,
bermanfaat untuk kontrol jarak jauh dan untuk pengontrolan
alat tegangan dan arus tinggi dengan sinyal kontrol tegangan
dan arus rendah. Ketika arus mengalir melalui elektromagnet
pada relai kontrol elektromekanis (Gambar 3.2), medan magnet
yang menarik lengan besi dari jangkar pada inti terbentuk.
Akibatnya, kontak pada jangkar dan kerangka relai terhubung.
66
Relai dapat mempunyai kontak No atau kontak NC atau
kombinasi dari keduanya.

Gambar 3.2 Relai pengendali elektromekanis

67
 Gambar 3.3 Komponen Relay

b. Solenoid
Solenoid adalah alat yang digunakan untuk mengubah
sinyal listrik atau arus listrik menjadi gerakan mekanis linear.
Seperti terlihat pada Gambar 3.5, solenoid disusun dari
kumparan dengan inti besi yang dapat bergerak. Apabila
kumparan diberi tenaga, inti atau kadang-kadang disebut
jangkar, akan ditarik ke dalam kumparan. Besarnya gaya tarikan
atau dorongan yang dihasilkan solenoid ditentukan dengan
jumlah lilitan kawat tembaga dan besar arus yang mengalir
melalui kumparan.

Gambar 3.4 Komponen Solenoid

(http://www.societyofrobots.com)
68
Gambar 3.5 Prinsip Solenoid
69
 MOTOR STEPPER
Motor stepper mengubah pulsa listrik yang diberikan
menjadi gerakan rotor discret ( berlainan ) yang disebut step
(langkah). Satu derajat-per langkah motor memerlukan 360
pulsa untuk menggerakkan melewati satu putaran. Juga ada
motor mikro step dengan ribuan langkah per putaran.

Gambar 3.6 Bentuk fisik Motor Stepper

Stepper motor bukanlah barang baru di dalam dunia
komputer. Bahkan hampir sebagian besar disk drive atau
CDROM menggunakan stepper motor untuk memutar disk.
Penggunaannya juga cukup sederhana dan mudah digunakan
untuk aplikasi-aplikasi tertentu yang tidak terlalu membutuhkan
torsi yang besar.
Motor stepper banyak digunakan untuk aplikasi-aplikasi
yang biasanya cukup menggunakan torsi yang kecil, seperti
untuk penggerak piringan disket atau piringan CD. Dalam hal
kecepatan, kecepatan motor stepper cukup cepat jika
dibandingkan dengan motor DC. Motor stepper merupakan
motor DC yang tidak memiliki komutator. Pada umumnya
motor stepper hanya mempunyai kumparan pada statornya
70
sedangkan pada bagian rotornya merupakan permanen magnet.
Dengan model motor seperti ini maka motor stepper dapat
diatur posisinya pada posisi tertentu dan/atau berputar ke arah
yang diinginkan, csearah jarum jam atau sebaliknya.
Kecepatan motor stepper pada dasarnya ditentukan oleh
kecepatan pemberian data pada komutatornya. Semakin cepat
data yang diberikan maka motor stepper akan semakin cepat
pula berputarnya. Pada kebanyakan motor stepper kecepatannya
dapat diatur dalam daerah frekuensi audio dan akan
menghasilkan putaran yang cukup cepat.

1. Tipe Motor Stepper

Motor stepper dibedakan menjadi dua macam
berdasarkan magnet yang digunakan, yaitu tipe permanen
magnet dan variabel reluktansi. Pada umumnya motor stepper
saat ini yang digunakan adalah motor stepper yang mempunyai
variabel relukatansi. Cara yang paling mudah untuk
membedakan antara tip motor stepper di atas adalah dengan
cara memutar rotor dengan tangan ketika tidak dihubungkan ke
suplai.
Pada motor stepper yang mempunyai permanen magnet
maka ketika diputar dengan tangan akan terasa lebih tersendat
karena adanya gaya yang ditimbulkan oleh permanen magnet.
Tetapi ketika menggunakan motor dengan variabel reluktansi
maka ketika diputar akan lebih halus karena sisa reluktansinya
cukup kecil.

1.1 Variabel Reluktansi Motor

Pada motor stepper yang mempunyai variabel reluktansi
maka terdapat 3 buah lilitan yang pada ujungnya dijadikan satu
71
pada sebuah pin common. Untuk dapat menggerakkan motor
ini maka aktivasi tiap-tiap lilitan harus sesuai urutannya.
Gambar 3.7 merupakan gambar struktur dari motor
dengan variabel reluktansi dimana tiap stepnya adalah 30.
Mempunyai 4 buah kutub pada rotor dan 6 buah kutub pada
statornya yang terletak saling berseberangan.

Gambar 3.7 Variabel Reluktance Motor

Jika lilitan 1 dilewati oleh arus, lilitan 2 mati dan lilitan
3 juga mati maka kumparan 1 akan menghasilkan gaya tolakan
kepada rotor dan rotor akan berputar sejauh 30 searah jarum
jam sehingga kutub rotor dengan label Y sejajar dengan kutub
dengan label 2.
Jika kondisi seperti ini berulang terus menerus secara
berurutan, lilitan 2 dilewati arus kemudian lilitan 3 maka motor
akan berputar secara terus menerus. Maka agar dapat berputar
sebanyak 21 step maka perlu diberikan data dengan urutan
seperti pada gambar 3.8.

Gambar 3.8 Data Urutan Step

72
 ‘1’ pada gambar 3.6 diartikan bahwa lilitan yang
bersangkutan dilewati arus sehingga menghasilkan gaya tolak
untuk rotor. Sedangkan ‘0’ diartikan lilitan dalam kondisi off,
tidak mendapatkan arus.

1.2 Unipolar Motor Stepper

Motor stepper dengan tipe unipolar adalah motor
stepper yang mempunyai 2 buah lilitan yang masing-masing
lilitan ditengah-tengahnya diberikan sebuah tap seperti tampak
pada gambar 3.9

Gambar 3.9 Unipolar Stepper Motor

Motor ini mempunyai step tiap 30 dan mempunyai dua
buah liliatan yang didistribusikan berseberangan 180 di antara
kutub pada stator. Sedangkan pada rotonya menggunakan
magnet permanen yang berbentuk silinder dengan mempunyai
6 buah kutub, 3 kutub selatan dan 3 buah kutub utara.
Sehingga dengan konstrusi seperti ini maka jika dibutuhkan ke
presisian dari motor stepper yang lebih tinggi dibutuhkan pula
kutub-kutub pada stator dan rotor yang semakin banyak pula.
Pada gambar 3, motor tersebut akan bergerak setiap step sebesar

73
30 dengan 4 bit urutan data (terdapat dua buah lilitan dengan
tap, total lilitan menjadi 4 lilitan).
Ketelitian dari magnet permanen di rotor dapat sampai
1.8 untuk tiap stepnya. Ketika arus mengalir melalui tap
tengah pada lilitan pertama akan menyebabkan kutub pada
stator bagian atas menjadi kutub utara sedangkan kutub stator
pada bagian bawah menjadi kutub selatan. Kondisi akan
menyebabkan rotor mendapat gaya tarik menuju kutub-kutub
ini. Dan ketika arus yang melalui lilitan 1 dihentikan dan lilitan
2 diberi arus maka rotor akan mengerak lagi menuju kutub-
kutub ini. Sampai di sini rotor sudah berputar sampai 30 atau
1 step.

Gambar 3.10 Urutan Data Untuk Motor Stepper dengan

Tipe Unipolar (torsi normal)

Gambar 3.11 Urutan Data Motor Stepper Tipe

Unipolar (torsi besar)
Untuk meningkatkan torsi yang tidak terlalu besar maka
dapat digunakan urutan pemberian data seperti pada gambar
3.10. Dimana terdapat dua buah lilitan yang di beri arus pada
suatu waktu. Dengan pemberian urutan data seperti ini akan
menghasilkan torsi yang lebih besar dan tentunya
74
membutuhkan daya yang lebih besar. Dengan urutan data baik
pada gambar 3.10 atau gambar 3.11 akan menyebabkan motor
berputar sebanyak 24 step atau 4 putaran.

1.3. Bipolar Motor Stepper

Motor dengan tipe bipolar ini mempunyai konstruksi
yang hampir sama dengan motor stepper tipe unipolar namun
tidak terdapat tap pada lilitannya, seperti tampak pada gambar
3.12

Gambar 3.12 Bipolar Motor Stepper

Penggunaan motor dengan tipe bipolar ini
membutuhkan rangkaian yang sedikit lebih rumit untuk
mengatur agar motor ini dapat berputar dalam dua arah.
Biasanya untuk menggerakkan motor stepper jenis ini
membutuhkan sebuah driver motor yang sering dikenal sebagai
H Bridge. Rangkaian ini akan menontrol tiap-tiap lilitan secara
independen termasuk dengan polaritasnya untuk tiap-tiap
lilitan.
Untuk mengontrol motor ini dapat berputar satu step
maka perlu diberikan arus untuk tiap-tiap lilitan dengan

75
polaritas tertentu pula. Urutan datanya dapat dilihat pada
gambar 3.13

Gambar 3.13 Urutan Data Motor Stepper tipe Bipolar

B. Motor Stepper : Tipe dan Rangkaian Kontrol

Rangkaian kontrol untuk setiap tipe motor stepper
mempunyai kemiripan yaitu dalam hal aktivasinya. Namun yang
paling membedakan adalah dalam hal urutan pemberian data
aktivasi setiap lilitan pada motor stepper.
Motor stepper merupakan motor listrik yang tidak
mempunyai komutator, di mana semua lilitannya merupakan
bagian dari stator. Dan pada rotornya hanya merupakan magnet
permanen. Semua komutasi setiap lilitan harus di kontrol secara
eksternal sehingga motor stepper ini dapat dikontrol sehingga
dapat berhenti pada posisi yang diinginkan atau bahkan
berputar ke arah yang berlawanan.
Pada bagaian ini akan dibahas mengenai bagaian
terakhir dari rangkaian penggerak motor stepper. Rangkaian ini
pada dasarnya hanya merupakan rangkaian switching arus yang
mengaliri lilitan pada motor stepper. Urutan pemberian data
pada motor stepper ini dapat mengontrol arah putaran dari
motor stepper ini. Penambahan kecepatan pada motor stepper
dapat dilakukan dengan cara meningkatkan frekuensi
pemberian data pada rangkaian switching arus.

76
 Rangkaian kontrol ini nantinya terhubung langsung
dengan lilitan pada motor, rangkaian power supplai, dan
rangkaian yang dikontrol secara digital yang pada akhirnya
menentukan kapan lilitan yang diinginkan dalam kondisi off
atau on. Selain hanya menggunakan transistor switching ar, saat
ini sudah tersedia driver motor yang memang diperuntukkan
bagi motor stepper, yang lebih dikenal dengan H-Bridge.
Komponen ini biasanya digunakan pada motor stepper tipe
bipolar, walaupun demikian tidak menutup kemungkinan
digunakan pada motor stepper tipe yang lain.

1. Rangkaian Driver Variabel Reluctance Motor

Di dalam gambar 3.14 tersebut terdapat sebuah 3 blok
dimana masing-masing mengatur sebuah kumparan motor
stepper. Blok tersebut terdiri dari saklar arus yang dikontrol
secara digital. Blok ini berperan penting di dalam pengontrolan
arus yang akan melewati kumparan motor tertentu.
Pengontrollan blok ini dapat dilakukan oleh sebuah rangkaian
digital sederhana atau bahkan sebuah komputer melalui printer
port. Dengan menggunakan komputer maka diperlukan
perangkat lunak yang nantinya akan mengatur pemberian data
dengan suatu urut-urutan tertentu kepada komponen saklar di
dalam blok.

77
 Gambar 3.14 Kontrol Pada Varibel Reluctance Motor Stepper
Kumparan pada motor stepper mempunyai karakteristik
yang sama dengan karakteristik beban induktif lainnya. Oleh
sebab itu ketika terdapat arus yang melalui kumparan motor,
tidak dapat dimatikan dengan seketika tanpa menghasilkan
tegangan transien yang sangat tinggi. Kondisi ini biasanya
nampak dengan timbulnya percikan bunga api (ketika
menggunakan motor DC dengan daya yang besar). Hal ini
sangat tidak diinginkan karena dapat merusak saklar sehingga
perlu diberikan rangkaian tambahan untuk membatasi tegangan
transien yang muncul. Sebaliknya ketika saklar tertutup maka
terdapat arus yang mengalir ke kumparan motor dan akan
menghasilkan kenaikan tegangan secara perlahan.
Untuk membatasi tegangan spike yang muncul maka ada
dua alternatif penyelesaiannya yaitu dengan memparalel pada
kumparan motor dengan dioda dan alternatif yang kedua
adalah dengan menggunakan kapasitor yang dipasang paralel
dengan kumparan motor stepper.

78
 Gambar 3.15 Spike Voltage Reducer
Diode yang yang terpasang paralel tersebut harus mampu
melewatkan arus balik yang terjadi ketika saklar terbuka. Dioda
yang digunakan dapat berupa dioda yang umum dipakai seperti
1N4001 atau 1N4002. Jika digunakan dioda yang mempunyai
karakteristik ‘fast switch’ maka perlu diberikan penambahan
kapasitor yang dipasang secara paralel pada dioda.
Pemasangan kapasitor paralel dengan kumparan motor
dapat menyebabkan spike yang ditimbulkan akan menyebabkan
kapasitor tersebut charge sehingga tegangan spike yang terjadi
tidak akan keluar tetapi diredam oleh kapasitor ini. Tetapi yang
paling penting adalah kapasitor ini harus mampu menahan surge
current pada saat terjadi spike. Surge current adalah arus tiba-tiba
yang sangat besar yang muncul bersamaan dengan tegangan
spike. Nilai kapasitor harus dipilih pada kondisi dimana nilai
induktansi dari kumparan motor stepper paling besar. Inilah
karakteristik motor stepper dengan tipe variabel reluctance

79
dimana nilai induktansinya berubah-ubah tergantung dari sudut
putaran pada poros rotor. Penambahan kapasitor sehingga tepat
akan membentuk sebuah rangkaian resonansi yang dapat
menyebabkan peningkatan torsi pada motor dengan tipe ini.

2. Rangkaian Driver Unipolar Permanent Magnet and Hybrid

Motor

Gambar 3.16 Kontrol Pada Unipolar Permanent Magnet

Motor

Rangkaian kontrol untuk mengendalikan motor stepper

dengan tipe unipolar ini hampira sama dengan rangkaian
kontrol pada motor tipe variabel reluctance. Perbedaanya hanya
pada struktur kumparan motornya saja.
Walaupun demikian karena bebanya merupakan beban
induktif maka selalu ada tegangan spike yang muncul ketika
saklar terbuka. Oleh sebab itu perlu penambahan dioda yang
terpasang paralel dengan kumparan motor stepper seperti
terlihat pada gambar 3.17.

80
Gambar 3.17 Spike Voltage Reducer untuk Unipolar Stepper Motor

Dua buah dioda tambahan diperlukan karena

kumparan motor bukanlah kumparan yang independen tetapi
sebuah kumparan yang mempunyai tap di tengah-tengah
kumparan seperti struktur pada autotransformer. Ketika salah
satu saklar dibuka maka tegangan spike muncul di kedua ujung
kumparan motor tersebut dan di clamp oleh dua buah dioda ke
supplay motor. Tetapi jika salah satu ujung kumparan motor
tersebut tidak floating terhadap supplai motor maka tegangan
spike ini akan lebih negatif daripada referensi ground. Jika
saklar yang digunakan berupa relay, kondisi ini bukan menjadi
masalah. Kondisi ini baru menjadi masalah ketika saklar yang
digunakan adalah saklar semikonduktor seperti transistor atau
FET.
Untuk membatasi level tegangan spike dapat pula
digunakan kapasitor yang terpasang seperti pada gambar 3.18.

81
3. Rangkaian Praktis Pengendali Motor Stepper
Jika rangkaian kontrol yang mengendalikan rangakaian
motor driver ini berupa mikrokontroller atau komponen digital
maka ada baiknya agar setiap port yang mengontrol rangkaian
driver motor stepper ini diberi buffer terlebih dahulu agar tidak
membebani port mikrokontroller yang digunakan. Seperti pada
gambar 3, pin control_0, control_1, control_2 dan control_3
ini dapat dikontrol secara digital dengan menggunakan
mikrokontroller dengan memberi komponen yang berfungsi
sebagai buffer seperti pada gambar 3.19.

Gambar 3.18 Pemberian Kapasitor Pembatas Tegangan Spike

82
 Gambar 3.19 Rangkaian Sederhana Penggerak Motor Stepper

Pada gambar 3.20 hanya ditampilkan satu bagian untuk

mengontrol satu buah kumparan motor stepper. Ada dua
alternatif yaitu dengan menggunakan buffer terlebuh dahulu
atau menggunakan FET, yang mempunyai impedansi input yang
sangat tinggi, sebagai komponen saklarnya. Tegangan Vmotor
tidaklah harus selalu sama dengan tegangan VCC pada
mikrokontroller. Oleh sebab itu digunakan sebuah komponen
buffer yang mempunyai output open collector sehingga outputnya
dapat di pull-up ke tegangan yang diinginkan.
Untuk dasar pemilihan transistornya adalah pada
karakteristik IC (arus kolektor). Transistor ini harus merupakan
transistor power yang mampu melewatkan arus sesuai dengan
arus yang diperlukan oleh kumparan motor stepper ini. Jika
arus yang ditarik oleh kumparan motor stepper ternyata lebih
besar daripada kemampuan transistor maka transistor akan

83
cepat panas dan dapat menyebabkan rusaknya transistor
tersebut.
R pull-up sebesar 470 akan memberikan arus sebesar 10
mA ke basis transistor Q1. Jika Q1 mempunyai gain sebesar
1000 maka arus yang dapat diliewatkan adalah sekitar beberapa
ampere, tergantung dari besar arus yang ditarik oleh kumparan
motor stepper tersebut. Arus ini harus lebih kecil dari arus I C
yang diperbolehkan.
Untuk komponen FET dapat digunakan komponen
IRL540 yang dapat mengalirkan arus sampai 20 A dan mampu
menahan tegangan balik sampai 100V. Hal ini disebabkan oleh
karena FET ini mampu menyerap tegangan spike tanpa
perlindungan dioda. Tetapi komponen ini memerlukan heat
sink yang besar dan harus cukup baik dalam hal penyerapan
panasnya. Ada baiknya jika digunakan kapasitor untuk
menekan level tegangan spike yang ditimbulkan dari transisi
saklar dari on ke off.
Ukuran kerja dari stepper biasanya diberikan dalam
jumlah langkah per putaran per detik. Motor stepper biasanya
kecepatan rendah dan torsi rendah mempunyai kontrol gerakan
posisi yang cermat.
Gambar 3.20 menggambarkan operasi dasar dari motor
stepper dc yang terdiri dari stator yang diberi penguatan secara
alektromagnetis dan rotor dengan magnet permanen. Apabila
polaritas kumparan penguat cocok untuk dibalik, rotor berputar
pada arah yang dipilih dengan satu langkah yang tepat pada
posisi yang baru. Jumlah langkah perputaran ditentukan dengan
jumlah pasang kutub pada rotor dan stater. Jumlah kutub pada
kedua belah pihak makin banyak langkah perputaran dari rotor.

84
 Gambar 3.20 Aplikasi kran kontrol direksional
Operasi motor stater sangat tergantung pada suplai daya
yang menggerakkannya. Suplai daya membangkitkan pulsa, yang
biasanya dimulai oleh komputermikro. Komputer memulai
sederetan pulsa untuk menggerakkan alat yang dikendalikan
pada posisi apapun yang dikehendaki. Pada cara ini motor
stepper mempunyai kontrol gerakan posisi yang cermat. Dengan
terus menghitung pulsa yang diberikan, komputer mengetahui
85
secara tepat dimana posisi motor itu. Oleh karena itu, tidak
perlu menggunakan sinyal umpan balik. Sistem pengendali
motor stepper terdiri dari motor stepper dan paket penggerak
yang berisi pengendali elektronis dan sulpai daya (Gambar
3.7.a). penggerak adalah ”interface” antara komputer dan motor
stepper. Penggerak berisi logika untuk mengubah atau
menerjemahkan informasi digital menjadi putaran poros rotor.
Motor akan bergerak satu langkah untuk tiap pulsa yang
diterima oleh penggerak. Komputer mempunyai jumlah pulsa
yang diperlukan pada kecepatan tertentu atau diprogramkan,
yang diterjemahkan menjadi jarak dan kecepatan.
Jumlah langkah perputaran ditentukan dengan jumlah
pasang kutub pada rotor dan stator. Ketika tegangan diberikan
pada kumparan, rotor magnet permanen dari motor stater
mengangkat posisi bertahan tanpa bebannya. Ini berarti kutub
magnet permanen dari rotor diluruskan sesuai dengan kutub
elektromgnetis dari stator. Tegangan putaran maksimum yang
dengannya motor dapat dibebani tanpa menyebabkan putaran
terus menerus, disebut tenaga putaran yang menahan motor stepper.
Tenaga putaran dapat pula dirasakan pada motor yang tidak
diberi penguatan. Hal ini disebabkan oleh kutub induksi
magnet permanen pada stator.

86
Gambar 3.21 Stepper motor dc magnet permanen
87
 Gambar 3.22 Kontrol motor stepper

c. MOTOR DC TANPA SIKAT

Seperti namanya, motor dc tanpa sikat tidak mempunyai
sikat atau mekanis komutasi. Sebagai penggantinya digunakan
alat elektronis semi konduktor untuk saklar arus jamgkar. Kita
dapat mengingat bahwa pada motor dc komutator dan sikat
mengubah arah arus pada kumparan jangkar sedemikian rupa
sehingga arah tenaga putaran selalu sama.

Gambar 3.23 Jenis – jenis motor stepper

88
 Gambar 3.24 Bentuk Fisik Motor DC

Gambar 3.25 Motor dc Magnet Permanen

Gambar diatas menggambarkan operasi motor dc tanpa

sikat magnet permanen. Magnet permanen dipasang pada
bagian yang berputar dan kumparan dipasang pada stator. Tidak
seperti pada motor dc dengan sikat, motor dc tanpa sikat tidak
89
dapat dijalankan dengan menghubungkannya dengan sumber
dc. Arus pada rangkaian stator harus ditarik pada posisi rotor
yang ditentukan sehingga pada kenyataannya motor dijalankan
dengan arus bolak – balik. Kumparan medan stator diberi
tenaga dengan berturutan untuk menghasilkan medan magnet
berputar. Arus disuplai dengan encoder (penyandi) komutasi
dalam merespon sinyal dati optik atau sensor efek Hall.
Mengontrol Motor DC umumnya terdiri atas dua
persoalan, yaitu :
 Mengontol Arah Putaran
 Mengontrol Kecepatan Putaran

Mengontrol / Mengatur Arah Putaran

Mengatur arah putar dapat menggunakan saklar manual
untuk mengubah arah arus yang masuk ke motor DC.
Menggunakan saklar mekanik sangat mudah tapi lambat, dan
sulit atau tidak mungkin dihubungkan dengan sebuah
kontroler.

Gambar 3.26 Kontrol arah putaran

90
e. Motor Servo
Motor servo adalah motor yang mampu bekerja dua arah
(CW dan CCW) dimana arah dan sudut pergerakan rotornya
dapat dikendalikan hanya dengan memberikan pengaturan duty
cycle sinyal PWM pada bagian pin kontrolnya.

Gambar 3.27 Bentuk Fisik Motor Servo

Motor Servo merupakan sebuah motor DC yang

memiliki rangkaian control elektronik dan internal gear untuk
mengendalikan pergerakan dan sudut angularnya.
Motor servo adalah motor yang berputar lambat, dimana
biasanya ditunjukkan oleh rate putarannya yang lambat, namun
demikian memiliki torsi yang kuat karena internal gearnya.
Lebih dalam dapat digambarkan bahwa sebuah motor servo
memiliki :
 3 jalur kabel : power, ground, dan control
91
 Sinyal control mengendalikan posisi
 Operasional dari servo motor dikendalikan oleh sebuah
pulsa selebar ± 20 ms, dimana lebar pulsa antara 0.5 ms dan
2 ms menyatakan akhir dari range sudut maksimum.
 Konstruksi didalamnya meliputi internal gear,
potensiometer, dan feedback control.

Gambar 3.28 Sistem Mekanik Motor Servo

e.1 Jenis-Jenis Motor Servo :

1. Motor Servo Standar 180°
Motor servo jenis ini hanya mampu bergerak dua arah (CW dan
CCW) dengan defleksi masing-masing sudut mencapai 90°
sehingga total defleksi sudut dari kanan – tengah – kiri adalah
180°.
2. Motor Servo Continuous

92
Motor servo jenis ini mampu bergerak dua arah (CW dan
CCW) tanpa batasan defleksi sudut putar (dapat berputar secara
kontinyu).
e.2 Aplikasi Motor servo :
1. Manipulators.
Motor servo banyak digunakan untuk manipulator
robot, karena servo merupakan salah satu motor DC yang
sangat fleksibel digunakan untuk gerakan yang sempurna.
Gambar dibawah ini salah satu penerapan motor servo untuk
manipulator.

93
Gambar 3.29 Motor servo digunakan untuk manipulator

94
2. Moving camera’s.
3. Robot arms.

Gambar 3.30 Mode Pensinyalan Motor Servo

Contoh dimana bila diberikan pulsa dengan besar 1.5ms

mencapai gerakan 90 derajat, maka bila kita berikan data
kurang dari 1.5 ms maka posisi mendekati 0 derajat dan bila
kita berikan data lebih dari 1.5 ms maka posisi mendekati 180
derajat.

95
 Gambar 3.31 Posisi waktu dan perubahan sudut

1. Motor Servo akan bekerja secara baik jika pada bagian pin
kontrolnya diberikan sinyal PWM dengan frekuensi 50Hz.
2. Dimana pada saat sinyal dengan frekuensi 50Hz tersebut
dicapai pada kondisi Ton duty cycle 1.5ms, maka rotor dari
motor akan berhenti tepat di tengah-tengah (sudut 0° /
netral).
3. Pada saat Ton duty cycle dari sinyal yang diberikan kurang
dari 1.5ms, maka rotor akan berputar ke arah kiri dengan
membentuk sudut yang besarnya linier terhadap besarnya
Ton duty cycle, dan akan bertahan diposisi tersebut.
4. Dan sebaliknya, jika Ton duty cycle dari sinyal yang diberikan
lebih dari 1.5ms, maka rotor akan berputar ke arah kanan

96
 dengan membentuk sudut yang linier pula terhadap
besarnya Ton duty cycle, dan bertahan diposisi tersebut.

e.3 Bentuk Motor Servo

Gambar 3.32 Macam Bentuk Motor Servo

97
 Gambar 3.33 Dimensi Motor Servo

Keunggulan Motor Servo

Keunggulan dari penggunaan motor servo adalah :
 Tidak bergetar dan tidak ber-resonansi saat beroperasi.
 Daya yang dihasilkan sebanding dengan ukuran dan
berat motor.
 Penggunaan arus listik sebanding dengan beban yang
diberikan.
 Resolusi dan akurasi dapat diubah dengan hanya
mengganti encoder yang dipakai.
 Tidak berisik saat beroperasi dengan kecepatan tinggi.

Kelemahan Motor Servo

Keunggulan dari penggunaan motor servo adalah :
 Tidak bergetar dan tidak ber-resonansi saat beroperasi.

98
 Daya yang dihasilkan sebanding dengan ukuran dan
berat motor.
 Penggunaan arus listik sebanding dengan beban yang
diberikan.
 Resolusi dan akurasi dapat diubah dengan hanya
mengganti encoder yang dipakai.
 Tidak berisik saat beroperasi dengan kecepatan tinggi.

Gambar 3.34 Pin dan Pengkabelan Pada Motor Servo

99
Cara Mengendalikan Motor Servo
Untuk menjalankan atau mengendalikan motor servo
berbeda dengan motor DC. Karena untuk mengedalikan motor
servo perlu diberikan sumber tegangan dan sinyal kontrol.
Besarnya sumber tegangan tergantyung dari spesifikasi motor
servo yang digunakan. Sedangkan untuk mengendalikan
putaran motor servo dilakukan dengan mengirimkan pulsa
kontrol dengan frekuensi 5o Hz dengan periode 20ms dan duty
cycle yang berbeda. Dimana untuk menggerakan motor servo
sebesar 90o diperlukan pulsa dengan ton duty cycle pulsa
posistif 1,5ms dan unjtuk bergerak sebesar 180 o diperlukan
lebar pulsa 2ms. Berikut bentuk pulsa kontrol motor servo
dimaksud.

Gambar 3.35 Bentuk pulsa kendali motor servo

100
 Sistem
Kecerdasan 4
Buatan (Artificial
Inteligence) dalam
Robotika

(Sumber Gambar: www.teraligno.com)

101
4.1 DEFINISI KECERDASAN BUATAN
Kecerdasan buatan (Artificial Intelligence) dapat diartikan
sebagai rekayasa kecerdasan yang didasarkan pada kecerdasan
manusia. Sesuai dengan kecerdasan manusia, kecerdasan buatan
dicirikan dengan adanya kemampuan untuk menalar
(Reasoning), dan kemampuan untuk belajar dari pengalaman
dilingkungan (Learning) (Ade Irma, 2012).
Tidak ada kesepakatan mengenai definisi Kecerdasan
Buatan, di antaranya adalah:
a. Sebuah studi tentang bagaimana membuat komputer
mengerjakan sesuatu yang dapat dikerjakan manusia
(Rich, 1991)
b. Cabang ilmu komputer yang mempelajari otomatisasi
tingkah laku cerdas (Setiawan, 1993)
c. Suatu perilaku sebuah mesin yang jika dikerjakan oleh
manusia akan disebut cerdas (Turing, et. al, 1996)
Kebanyakan ahli setuju bahwa Kecerdasan Buatan
berhubungan dengan 2 ide dasar. Pertama, menyangkut studi
proses berfikir manusia, dan kedua, berhubungan dengan
merepresentasikan proses tersebut melalui mesin komputer,
robot, dll (Balza Ahmad, 2006)
Selanjutnya, marilah kita mencoba memberikan definisi
intelijensia buatan. Definisi intelijensia buatan dari delapan
textbook terakhir terlihat di bawah ini.
“The exciting new effort to make computers think … machines
with minds, in the full and literal sense” (Haugeland,1985)

“[The automation of] activities that we associate with human

thinking, activities such as decision making, problem solving,
learning …” (Bellman, 1978)
102
 “The study of mental faculties through the use of
computational models”
(Charniak and McDermott, 1985)
“The study of the computations that make it possible to
perceive, reason, and act” (Winston, 1992)

“The art of creating machines that perform functions that

require intelligence when performed by people” (Kurzweil,
1990)

“The study of how to make computers do things which, at the

moment, people do better” (Rich and Knight, 1991).

A field of study that seeks to explain and emulate intelligent

behavior in term of computational processes” (Schalkoff, 1990)

“The branch of computer science that is concerned with the

automation of intelligent behavior” (Luger and Stubblefield,
1993)

Definisi-definisi intelijensia buatan yang diorganisasikan

ke dalam empat katagori: Systems that think like humans. Systems
that think rationally. Systems that act like humans. Systems that act
rationally.

Thinking Humanly: The cognitive modeling approach.

1. Melalui introspeksi: mencoba menangkap pemikiran-
pemikiran kita sendiri pada saat kita berpikir. Tetapi
seorang psikolog Barat mengatakan: “how do you know that
103
 you understand?”. Bagaimana anda sadar bahwa anda sedang
sadar? Karena pada saat anda menyadari pemikiran anda,
ternyata pemikiran tersebut sudah lewat dan digantikan
kesadaran anda.
2. Melalui eksperimen-eksperimen psikologi.

Acting Humanly: The Turing test approach.

Alan Turing (1950) merancang suatu ujian bagi
komputer berintelijensia apakah mampu mengelabuhi seorang
manusia yang menginterogasi komputer tersebut melalui
teletype. Jika interrogator tidak dapat membedakan apakah yang
diinterogasi adalah manusia atau komputer, maka komputer
berintelijensia tersebut lolos dari Turing test. Komputer tersebut
perlu memiliki kemampuan: Natural Language Processing,
Knowledge Representation, Automated Reasoning, Machine Learning,
Computer Vision, Robotics. Turing Test sengaja menghindari
interaksi fisik antara interrogator dan komputer karena simulasi
fisik manusia tidak memerlukan intelijensia.

Thinking Rationally: The laws of thought approach.

Terdapat dua masalah dalam pendekatan ini, yaitu:
1. tidak mudah untuk membuat pengetahuan informal dan
menyatakannya dalam formal term yang diperlukan oleh
notasi logika, khususnya ketika pengetahuan tersebut
memiliki kepastian kurang dari 100%.
2. Terdapat perbedaan besar antara dapat memecahkan
masalah “dalam prinsip” dan dan juga memecahkannya
dalam praktek.
3.

104
Acting Rationally: The rational agent approach.
Membuat inferensi yang benar kadang-kadang merupakan
bagian dari suatu rational agent, karena satu cara untuk
melakukan aksi secara rasional adalah menalar secara logika
untuk mendapatkan kesimpulan bahwa aksi yang diberikan
akan mencapai tujuan, dan kemudian melakukan aksi atas
kesimpulan tersebut. Dalam buku ajar ini, kita akan
menggunakan pendekatan rational agent. Hal ini akan mebatasi
bahasan kita pada teknikteknik rasional pada intelijensia buatan.
Sedangkan aksi dan pikiran manusia yang diluar rasio (refleks
dan intuitif) belum dapat ditirukan oleh komputer.

4.2 SEJARAH KECERDASAN BUATAN

Pada awal abad 17, René Descartes mengemukakan bahwa
tubuh hewan bukanlah apa-apa melainkan hanya mesin-mesin
yang rumit. Blaise Pascal menciptakan mesin penghitung digital
mekanis pertama pada 1642. Pada 19, Charles Babbage dan
Ada Lovelace bekerja pada mesin penghitung mekanis yang
dapat diprogram. Bertrand Russell dan Alfred North
Whitehead menerbitkan Principia Mathematica, yang
merombak logika formal. Warren McCulloch dan Walter Pitts
menerbitkan "Kalkulus Logis Gagasan yang tetap ada dalam
Aktivitas " pada 1943 yang meletakkan pondasi untuk jaringan
syaraf.
Tahun 1950-an adalah periode usaha aktif dalam AI.
Program AI pertama yang bekerja ditulis pada 1951 untuk
menjalankan mesin Ferranti Mark I di University of Manchester
(UK): sebuah program permainan naskah yang ditulis oleh
Christopher Strachey dan program permainan catur yang ditulis
oleh Dietrich Prinz. John McCarthy membuat istilah
105
"kecerdasan buatan " pada konferensi pertama yang disediakan
untuk pokok persoalan ini, pada 1956. Dia juga menemukan
bahasa pemrograman Lisp. Alan Turing memperkenalkan
"Turing test" sebagai sebuah cara untuk mengoperasionalkan
test perilaku cerdas. Joseph Weizenbaum membangun ELIZA,
sebuah chatterbot yang menerapkan psikoterapi Rogerian.
Selama tahun 1960-an dan 1970-an, Joel Moses
mendemonstrasikan kekuatan pertimbangan simbolis untuk
mengintegrasikan masalah di dalam program Macsyma, program
berbasis pengetahuan yang sukses pertama kali dalam bidang
matematika. Marvin Minsky dan Seymour Papert menerbitkan
Perceptrons, yang mendemostrasikan batas jaringan syaraf
sederhana dan Alain Colmerauer mengembangkan bahasa
komputer Prolog. Ted Shortliffe mendemonstrasikan kekuatan
sistem berbasis aturan untuk representasi pengetahuan dan
inferensi dalam diagnosa dan terapi medis yang kadangkala
disebut sebagai sistem pakar pertama. Hans Moravec
mengembangkan kendaraan terkendali komputer pertama
untuk mengatasi jalan berintang yang kusut secara mandiri.
Pada tahun 1980-an, jaringan syaraf digunakan secara
meluas dengan algoritma perambatan balik, pertama kali
diterangkan oleh Paul John Werbos pada 1974. Tahun 1990-an
ditandai perolehan besar dalam berbagai bidang AI dan
demonstrasi berbagai macam aplikasi. Lebih khusus Deep Blue,
sebuah komputer permainan catur, mengalahkan Garry
Kasparov dalam sebuah pertandingan 6 game yang terkenal
pada tahun 1997. DARPA menyatakan bahwa biaya yang
disimpan melalui penerapan metode AI untuk unit
penjadwalan dalam Perang Teluk pertama telah mengganti
seluruh investasi dalam penelitian AI sejak tahun 1950 pada
106
pemerintah AS. Tantangan Hebat DARPA, yang dimulai pada
2004 dan berlanjut hingga hari ini, adalah sebuah pacuan untuk
hadiah $2 juta dimana kendaraan dikemudikan sendiri tanpa
komunikasi dengan manusia, menggunakan GPS, komputer
dan susunan sensor yang canggih, melintasi beberapa ratus mil
daerah gurun yang menantang.

4.3 JENIS-JENIS AI
Artificial Intelligence dapat diklasifikasikan ke dalam
beberapa jenis yang utama:
1. Logika Fuzzy
2. Jaringan Syaraf Tiruan
3. Algoritma Genetik
4. Sistem Hibrid / Neuro Fuzzy

4.4 PENGGUNAAN AI
Artificial Intelligence dapat diaplikasikan untuk berbagai
jenis:
1. Pengontrol (Controlling)
Kontrol Process
 Pengendali temperature
 Pengendali Tekanan
 Pengendali Level
 Diagnosis Kegagalan
Kontrol Sumber Penggerak
 Pengendalian Motor Listrik
 Pengatur sumber tenaga pada sentral/distribusi
Kontrol manufacturing
 Penjadwalan proses kontrol
 Dekomposition prose kontrol
107
 Kontrol Robot
 Kontrol posisi
 kontrol jalur laluan
2. Peramalan (Forecasting)
Peramalan Pembebanan (Load Forecasting)
Peramalan Pemadaman (Blackout Forecasting)
Peramalan Saham (Forex Forecasting)
3. Perencanaan (Planning)
Perencanaan proyek (Project Planning)
Penjadwalan kerja (Job shop Scheduling)
Perencanaan anggaran (Budget Planning)
4. Proses Image (Image Processing)
Computer Vision
Speech Recognition
Object Recognition

4.5 KELEBIHAN AI
Artificial Intelligence mempunyai banyak kelebihan
dibandingkan dengan system konvensional
1. Tidak memerlukan persamaan matematik obyek
Perancangan system konvensional selalu memerlukan
persamaan matematik dari objek yang akan di proses, yang
mana untuk system-sistem linier hal itu masih mudah
untuk di dapatkan, namun untuk system yang non linear
maka sangat sulit sekali untuk mendapatkannya.
Perancangan system kecerdasan buatan dapat dibuat tanpa
memerlukan persamaan matematik dari objek yang akan
diproses. Sebalikknya dalam perancangan sistem kecerdasan
buatan cukup memerlukan informasi penalaran dari

108
 perilaku proses, yang dapat berupa informasi dalam bentuk
bahasa (linguistic information)
2. Dapat melakukan proses pembelajaran Memiliki
kemampuan untuk mengambil kesimpulan berdasarkan
data masukan-keluaran yang terdahulu.
3. Dapat bersifat adaptif Memiliki kemampuan untuk
mengubah parameter atau mengadaptasi parameter internal
sistem secara mandiri.
4. Dapat kokoh terhadap perubahan parameter obyek
Kemampuan mengantisipasi perubahan parameter obyek
dengan mengadaptasi parameter internalnya.

4.6 KECERDASAN BUATAN DALAM ROBOTIK

Kecerdasan Buatan (Artificial Intelligence) dalam robotik
adalah suatu algorithma yang dipandang cerdas yang
diprogramkan ke dalam kontroler robot. Pengertian cerdas di
sini sangat relatif, karena tergantung dari sisi mana sesorang
memandang.
Para filsuf diketahui telah mulai ribuan tahun yang lalu
mencoba untuk memahami dua pertanyaan mendasar:
bagaimanakah pikiran manusia itu bekerja, dan, dapatkah yang
bukan-manusia itu berpikir? (Negnevitsky, 2004). Hingga
sekarang, tak satupun mampu menjawab dengan tepat dua
pertanyaan ini. Pernyataan cerdas yang pada dasarnya
digunakan untuk mengukur kemampuan berpikir manusia
selalu menjadi perbincangan menarik karena yang melakukan
penilaian cerdas atau tidak adalah juga manusia. Sementara itu,
manusia tetap bercita-cita untuk menularkan kecerdasan
manusia kepada mesin.

109
 Dalam literatur, orang pertama yang dianggap sebagai
pionir dalam mengembangkan mesin cerdas (intelligence machine)
adalah Alan Turing, sorang matematikawan asal Inggris yang
memulai karir saintifiknya di awal tahun 1930-an. Di tahun
1937 ia menulis paper tentang konsep mesin universal (universal
machine). Kemudian, selama perang dunia ke-2 ia dikenal
sebagai pemain kunci dalam penciptaan Enigma, sebuah mesin
encoding milik militer Jerman. Setelah perang, Turing membuat
automatic computing enginer Ia dikenal juga sebagai pencipta
pertama program komputer untuk bermain catur, yang
kemudian program ini dikembangkan dan dimainkan di
komputer milik Manchester University. Karya-karyanya ini, yang
kemudian dikenal sebagai Turing Machine, dewasa ini masih
dapat ditemukan aplikasi-aplikasinya. Beberapa tulisannya yang
berkaitan dengan prediksi perkembangan komputer di masa
datang akhirnya juga ada yang terbukti. Misalnya tentang
ramalannya bahwa di tahun 2000-an komputer akan mampu
melakukan percakapan dengan manusia. Meski tidak
ditemukan dalam paper-papernya tentang istilah resmi: artificial
intelligence, namun para peneliti di bidang ini sepakat untuk
menobatkan Turing sebagai orang pertama yang
mengembangkan kecerdasan buatan.
Secara saintifik, istilah kecerdasan buatan untuk
selanjutnya disebut sebagai AI (artificial intelligence) pertama kali
diperkenalkan oleh Warren McCulloch, seorang filsuf dan ahli
perobatan dari Columbia University, dan Walter Pitts, seorang
matematikawan muda pada tahun 1943, (Negnevitsky, 2004).
Mereka mengajukan suatu teori tentang jaringan saraf tiruan
(artificial neural network, ANN) untuk selanjutnya disebut sebagai
ANN bahwa setiap neuron dapat dipostulasikan dalam dua
110
keadaan biner, yaitu ON dan OFF. Mereka mencoba
menstimulasi model neuron ini secara teori dan eksperimen di
laboratorium. Dari percobaan, telah didemonstrasikan bahwa
model jaringan saraf yang mereka ajukan mempunyai kemiripan
dengan mesin Turing, dan setiap fungsi perhitungan dapat
dapat diselesaikan melalui jaringan neuron yang mereka
modelkan.
Kendati mereka meraih sukses dalam pembuktian
aplikasinya, pada akhirnya melalui eksperimen lanjut diketahui
bahwa model ON-OFF pada ANN yang mereka ajukan adalah
kurang tepat. Kenyataannya, neuron memiliki karakteristik yang
sangat nonlinear yang tidak hanya memiliki keadaan ON-OFF
saja dalam aktifitasnya. Walau demikian, McCulloch akhirnya
dikenal sebagai orang kedua setelah Turing yang gigih
mendalami bidang kecerdasan buatan dan rekayasa mesin
cerdas. Perkembangan ANN sempat mengalami masa redup
pada tahun 1970-an. Baru kemudian pada pertengahan 1980-an
ide ini kembali banyak dikaji oleh para peneliti.
Sementara itu, metoda lain dalam AI yang sama
terkenalnya dengan ANN adalah Fuzzy Logic (FL) untuk
selanjutnya ditulis sebagai FL. Kalau ANN didisain berdasarkan
kajian cara otak biologis manusia bekerja (dari dalam), maka FL
justru merupakan representasi dari cara berfikir manusia yang
nampak dari sisi luar. Jika ANN dibuat berdasarkan model
biologis teoritis, maka FL dibuat berdasarkan model pragmatis
praktis. FL adalah representasi logika berpikir manusia yang
tertuang dalam bentuk kata-kata.
Kajian saintifik pertama tentang logika berfikir manusia
ini dipublikasikan oleh Lukazewicz, seorang filsuf, sekitar tahun
1930-an. Ia mengajukan beberapa representasi matematik
111
tentang kekaburan (fuzziness) logika ketika manusia
mengungkapkan atau menyatakan penilaian terhadap tinggi, tua
dan panas (tall, old, & hot). Jika logika klasik hanya menyatakan
1 atau 0, ya atau tidak, maka ia mencoba mengembangkan
pernyataan ini dengan menambahkan faktor kepercayaan (truth
value) di antara 0 dan 1.
Di tahun 1965, Lotfi Zadeh, seorang profesor di
University of California, Berkeley US, mempublikasikan
papernya yang terkenal, Fuzzy Sets. Penelitian-penelitian tentang
FL dan fuzzy system dalam AI yang berkembang dewasa ini
hampir selalu menyebutkan paper Zadeh itulah sebagai basis
pijakannya. Ia mampu menjabarkan FL dengan pernyataan
matematik dan visual yang relatif mudah untuk dipahami.
Karena basis kajian FL ini kental berkaitan dengan sistem
kontrol (Zadeh adalah profesor di bidang teknik elektro) maka
pernyataan matematiknya banyak dikembangkan dalam konteks
pemrograman komputer.
Metoda AI lain yang juga berkembang adalah algorithma
genetik (genetic algorithm, GA) untuk selanjutnya disebut
sebagai GA. Dalam pemrograman komputer, aplikasi GA ini
dikenal sebagai pemrograman berbasis teori evolusi
(evolutionary computation, EC) untuk selanjutnya disebut
sebagai EC. Konsep EC ini dipublikasikan pertama kali oleh
Holland (1975). Ia mengajukan konsep pemrograman berbasis
GA yang diilhami oleh teori Darwin. Intinya, alam (nature),
seperti manusia, memiliki kemampuan adaptasi dan
pembelajaran alami tanpa perlu dinyatakan: apa yang harus
dilakukan. Dengan kata lain, alam memilih kromosom yang
baik secara buta alami. Seperti pada ANN, kajian GA juga

112
pernah mengalami masa vakum sebelum akhirnya banyak
peneliti memfokuskan kembali perhatiannya pada teori EC.
GA pada dasarnya terdiri dari dua macam mekanisme,
yaitu encoding dan evaluation. Davis (1991) mempublikasikan
papernya yang berisi tentang beberapa metoda encoding. Dari
berbagai literatur diketahui bahwa tidak ada metoda encoding
yang mampu menyelesaikan semua permasalahan dengan sama
baiknya. Namun demikian, banyak peneliti yang menggunakan
metoda bit string dalam kajian-kajian EC dewasa ini.
Penggunaan AI dalam kontroler dilakukan untuk
mendapatkan sifat dinamik kontroler secara cerdas. Seperti
telah dijelaskan di muka, secara klasik, kontrol P, I, D atau
kombinasi, tidak dapat melakukan adaptasi terhadap perubahan
dinamik sistem selama operasi karena parameter P, I dan D itu
secara teoritis hanya mampu memberikan efek kontrol terbaik
pada kondisi sistem yang sama ketika parameter tersebut di-
tune. Di sinilah kemudian dikatakan bahwa kontrol klasik ini
belum cerdas karena belum mampu mengakomodasi sifat-sifat
nonlinieritas atau perubahan-perubahan dinamik, baik pada
sistem robot itu sendiri maupun terhadap perubahan beban
atau gangguan lingkungan.
Banyak kajian tentang bagaimana membuat P, I dan D
menjadi dinamis, seperti misalnya kontrol adaptif, namun di
sini hanya akan dibahas tentang rekayasa bagaimana membuat
sistem kontrol bersifat cerdas melalui pendekatan-pendekatan
AI yang populer, seperti ANN, FL dan EC atau GA.
Gambar 4.1 mengilustrasikan tentang skema AI yang
digunakan secara langsung sebagai kontroler sistem robot.
Dalam aplikasi lain, AI juga dapat digunakan untuk membantu
proses identifikasi model dari sistem robot, model lingkungan
113
atau gangguan, model dari tugas robot (task) seperti membuat
rencana trajektori, dan sebagainya. Dalam hal ini konsep AI
tidak digunakan secara langsung (direct) ke dalam kontroler,
namun lebih bersifat tak langsung (indirect).

Gambar 4.1 Robot serangga yang dilengkapi AI

Bidang Aplikasi Kecerdasan Buatan

Penerapan Kecerdasan Buatan meliputi berbagai bidang
seperti ditunjukkan pada bagian akar pohon AI dalam Gambar
I-1, antara lain: Bahasa/linguistik, Psikologi, Filsafat, Teknik
Elektro, Ilmu Komputer, dan Ilmu Manajemen. Sedangkan
sistem cerdas yang banyak dikembangkan saat ini adalah:

114
 Sistem Pakar (Expert Systemi), yaitu program konsultasi
(advisory) yang mencoba menirukan proses penalaran seorang
pakar/ahli dalam memecahkan masalah yang rumit. Sistem
Pakar merupakan aplikasi AI yang paling banyak. Lebih detil
tentang Sistem Pakar akan diberikan dalam bab berikutnya.
Pemrosesan Bahasa Alami (Natural Language Processing),
yang memberi kemampuan pengguna komputer untuk
berkomunikasi dengan komputer dalam bahasa mereka sendiri
(bahasa manusia). Sehingga komunikasi dapat dilakukan
dengan cara percakapan alih-alih menggunakan perintah yang
biasa digunakan dalam bahasa komputer biasa. Bidang ini
dibagi 2 lagi:
a. Pemahaman bahasa alami, yang mempelajari metode
yang memungkinkan komputer mengerti perintah
yang diberikan dalam bahasa manusia biasa. Dengan
kata lain, komputer dapat memahami manusia.
b. Pembangkitan bahasa alami, sering disebut juga
sintesa suara, yang membuat komputer dapat
membangkitkan bahasa manusia biasa sehingga
manusia dapat memahami komputer secara mudah.
Pemahaman Ucapan/Suara (Speech/Voice
Understanding), adalah teknik agar komputer dapat mengenali
dan memahami bahasa ucapan. Proses ini mengijinkan
seseorang berkomunikasi dengan komputer dengan cara
berbicara kepadanya. Istilah “pengenalan suara” mengandung
arti bahwa tujuan utamanya adalah mengenai kata yang
diucapkan tanpa harus tahu artinya, di mana bagian itu
merupakan tugas “pemahaman suara”. Secara umum prosesnya
adalah usaha untuk menerjemahkan apa yang diucapkan

115
seorang manusia menjadi kata-kata atau kalimat yang dapat
dimengerti oleh komputer.
Sistem Sensor dan Robotika. Sistem sensor, seperti
sistem visi dan pencitraan, serta sistem pengolahan sinyal,
merupakan bagian dari robotika. Sebuah robot, yaitu perangkat
elektromekanik yang diprogram untuk melakukan tugas
manual, tidak semuanya merupakan bagian dari AI. Robot yang
hanya melakukan aksi yang telah diprogramkan dikatakan
sebagai robot bodoh yang tidak lebih pintar dari lift. Robot yang
cerdas biasanya mempunyai perangkat sensor, seperti kamera,
yang mengumpulkan informasi mengenai operasi dan
lingkungannya. Kemudian bagian AI robot tersebut
menerjemahkan informasi tadi dan merespon serta beradaptasi
jika terjadi perubahan lingkungan.
Komputer Visi, merupakan kombinasi dari pencitraan,
pengolahan citra, pengenalan pola serta proses pengambilan
keputusan. Tujuan utama dari komputer visi adalah untuk
menerjemahkan suatu pemandangan. Komputer visi banyak
dipakai dalam kendali kualitas produk industri.
Intelligent Tutoring/Intelligent Computer-Aided
Instruction, adalah komputer yang mengajari manusia. Belajar
melalui komputer sudah lama digunakab, namun dengan
menambahkan aspek kecerdasan di dalamnya, dapat tercipta
komputer “guru” yang dapat mengatur teknik pengajarannya
untuk menyesuaikan dengan kebutuhan “murid” secara
individiual. Sistem ini juga mendukung pembelajaran bagi
orang yang mempunyai kekurangan fisik atau kelemahan
belajar.
Mesin Belajar (Machine Learning), yang berhubungan
dengan sekumpulan metode untuk mencoba mengajari/melatih
116
komputer untuk memecahkan masalah atau mendukung usaha
pemecahan masalah dengan menganalisa kasus-kasus yang telah
terjadi. Dua metode mesin belajar yang paling populer adalah
Komputasi Neural dan Logika Samar yang akan dipelajari lebih
dalam di bab-bab berikutnya.
Aplikasi lain dari AI misalnya untuk merangkum berita,
pemrograman komputer secara otomatis, atau menerjemahkan
dari suatu bahasa ke bahasa yang lain, serta aplikasi dalam
permainan (Ingat pertandingan catur antara Grand Master
Anatoly Karpov dengan komputer Deep Thought dari IBM)
(Balza Achmad, 2006).

117
 Fuzzy
Logic dalam 5
Robotika

118
5.1 SISTEM LOGIKA FUZZY (Fuzzy Logic)
5.1.1 Himpunan crisp dan himpunan fuzzy
Pada suatu semesta wacana tertentu, suatu himpunan
crisp (tegas) A di definisikan dengan melibatkan elemen yang
terkandung di dalamnya, semua elemen dalam semesta wacana
dikategorikan dalam himpunan crisp (tegas) A atau A’ (tidak).
Fungsi karakteristik A bisa memberikan nilai 0 dan 1. Kita
dapat menginterprestasikan nilai 1 adalah himpunan A dan
nilai 0 adalah bukan himpunan A maka konsep ini kurang
fleksibel. Himpunan fuzzy (kabur) Merupakan suatu gagasan
untuk memperluas jangkauan fungsi karakteristik sehinga
meliputi bilangan riil dalam interval [0,1] adalah suatu kurva
yang menunjukkan pemetaan titik-titik masukan data ke dalam
nilai keanggotaannya sering juga disebut dengan derajat
keanggotaan. Salah satu cara yang dapat digunakan untuk
mendapatkan nilai keanggotaan ada beberapa fungsi yang bisa
digunakan adalah sebagai berikut.

5.1.1.1 Fungsi keanggotaan tanjakan

Pada Fungsi keanggotaan tanjakan, pemetaan masukan
ke derajat keanggotaannya di gambarkan sebagai garis lurus.
Bentuk ini paling sederhana dan menjadi pilihan yang baik
untuk mendekati suatu konsep yang kurang jelas. Ada dua
bentuk himpunan fuzzy yang linear. Pertama kenaikan
himpunan dimulai pada nilai kawasan yang memiliki derajat
keanggotaan nol (0) bergerak ke kanan menuju ke nilai kawasan
yang memiliki derajat keanggotaan lebih tinggi seperti di
Gambar 5.1 sebagai berikut.

119
 ux

1
Derajat
keanggotaan
ux
0
a b
Kawasan
Gambar 5.1 Fungsi keanggotaan tanjakan naik
0; xa

x  ( x  a) /(b  a); a  x  b .........................(2.1)
1); xb

Kedua merupakan kebalikan dari yang pertama garis
lurus dimulai dari nilai kawasan dengan derajat keanggotaan
tertinggi pada sisi kiri, kemudian bergerak menurun ke nilai
kawasan yang memilki derajat keanggotaan lebih rendah seperti
pada Gambar 2.2 sebagai berikut ini.

ux

1
Derajat
keanggotaan
ux
0
a b
kawasan
Gambar 5.2 Fungsi keanggotaan tanjakan turun

120
 (b  x) /(b  a); a  x  b
x   ..................................(2.2)
0; xb

5.1.1.2. Fungsi keanggotaan segi tiga

Kurva segi tiga pada dasarnya terdiri dari dua buah
garis tanjakan seperti terlihat pada Gambar 5.3 sebagai berikut.

ux

1
Derajat
keanggotaan
ux

0
a b c
Kawasan
Gambar 5.3 Fungsi keanggotaan kurva segi tiga

0; x  a atau x  c

x  ( x  a) /(b  a); a xb ..........................(2.3)
1; b xc


5.1.1.3. Fungsi keanggotaan kurva trapesium

Kurva trapesium pada dasarnya berbentuk segitiga hanya
ada beberapa titik yang memiliki nilai keanggotaan 1 seperti
terlihat pada Gambar 5.4 sebagai berikut.

121
 ux

1
Derajat
keanggotaan
ux

0
a b c d
Kawasan
Gambar 5.4 Fungsi keanggotaan kurva trapesium

Fungsi keanggotaan
0; x  a atau x  d
( x  a) /(b  a); a xb

x  
1; b xc ..(2.4)
(d  x) /(d  c); xb

5.1.1.4. Fungsi keanggotaan kurva segi tiga dan kurva

trapesium
Daerah yang terletak di tengah-tengah suatu variabel
direpresentasikan dalam bentuk segitiga, pada sisi kanan dan
kirinya akan naik dan turun (misal dingin bergerak ke sejuk
bergerak ke normal bergerak ke hangat bergerak ke panas).
Tetapi kadang salah satu dari variabel tersebut tidak mengalami
perubahan, sebagai contoh apabila telah mencapai kondisi
panas, ke naikan temperatur akan tetap pada kondisi panas.
Himpunan fuzzy bukan segitiga digunakan untuk mengakhiri
variabel suatu daerah fuzzy. Seperti terlihat pada Gambar 5.5
sebagai berikut.
122
 ux
Sejuk Hangat
Dingin Normal Panas
1
Derajat
keanggotaan
ux

0
a b c d
Temperatur ( C)

Gambar 5.5 Beberapa MF untuk variabel temperatur

Fungi keanggotaan dinyatakan sebagai berikut.

0 untuk u  a
(u - a)/(b - a) untuk a  u  b

T(u;a, b,c)   ……………………..(2.5)
 (c - u)/(c - b) untuk b  u  c
0 untuk u  c

5.1.2 Operator Dasar Zadeh Untuk Operasi Himpunan Fuzzy

Seperti halnya himpunan konvensional, ada beberapa
operasi yang didefinisikan secara khusus untuk
mengkombinasikan dan memodifikasi himpunan fuzzy. Nilai
keanggotaan sebagai hasil dari operasi dua himpunan sering
dikenal dengan nama fire strength atau α predikat. Ada tiga dasar
operator dasar yang diciptakan oleh Zadeh adalah sebagai
berikut.
123
5.1.2.1 Operator AND
Operator ini berhubungan dengan operasi interseksi
pada himpunan α predikat sebagai hasil operasi dengan
operator AND diperoleh dengan mengambil nilai keanggotaan
terkecil antara elemen pada himpunan himpunan yang
bersangkutan sebagai berikut.

A  B = min (A[X], B[Y] )..………………………(2.6)

Irisan dua himpunan fuzzy A dan B untuk operator

AND adalah himpunan fuzzy yang memiliki fungsi keanggotaan
seperti pada Gambar 5.6 sebagai berikut.
μ
A B
1
A B

0,5

0 u
Gambar 5.6 Himpunan fuzzy operator AND

5.1.2.2 Operator OR
Operator ini berhubungan dengan operasi uni pada
himpunan α predikat sebagai hasil operasi dengan operator OR
diperoleh dengan mengambil nilai keanggotaan terbesar antara
elemen pada himpunan himpunan yang bersangkutan sebagai
berikut.
A  B = max (A[X], A[Y] )………………………(2.7)

124
 Irisan dua himpunan fuzzy A dan B untuk operator OR
adalah himpunan fuzzy yang memiliki fungsi keanggotaan
seperti pada Gambar 5.7sebagi berikut.
μ
A B
1
AUB

0,5

0
Gambar 5.7 Himpunan fuzzy operator OR

5.1.2.3 Operator NOT

Operator ini berhubungan dengan operasi komplemen
pada himpunan α predikat sebagai hasil operasi dengan
operator NOT diperoleh dengan mengurangkan nilai
keanggotaan elemen pada himpunan yang bersangkutan 1
sebagai berikut.

A’ = 1- A[X], ………………………………………………(2.8)

Operator OR adalah fuzzy yang memiliki fungsi

keanggotaan seperti ditunjukan di Gambar 5.8.

125
 μ

1
A`
0,5

0 A

Gambar 5.8 Fuzzy operator NOT

5.1.3. Struktur Dasar FLC (Fuzzy Logic Controller)

Suatu FLC (Fuzzy Logic Controller) atau pengendali logika
fuzzy secara khusus dapat tergabung dalam sistem kendali kalang
tertutup seperti pada Gambar 2.9. Sedangkan Gambar 2.10
menunjukkan struktur dasar FLC. Sebagaimana tergambar pada
gambar tersebut, bagian utama FLC adalah:
1. Unit fuzifikasi, yang mengubah besaran tegas (crisp) menjadi
besaran fuzzy.
2. Unit pertimbangan logika fuzzy.
3. Basis pengetahuan, yang berisi basis data dan pemrosesan
aturan dan
4. Unit defuzifikasi, yang mengubah besaran fuzzy menjadi
besaran tegas (crisp).
Bergantung pada tujuan perancangan, tipe FLC lain
dapat disusun. Misalnya FLC mungkin memiliki sejumlah
aturan kendali fuzzy tertentu (static knowledge base) atau mungkin
mempunyai kemampuan belajar untuk memodifikasi basis
pengetahuan (dynamic fuzzy knowledge base). Meskipun demikian,

126
struktur dasar FLC tetap sebagaimana ditunjukkan dalam
Gambar 2.9 sebagai berikut.

SP + E U Y
FLC PLANT
-

Gambar 5.9 Sistem kendali logika fuzzy

Basis aturan Basis data

Mekanisme
Penalaran
Fuzzy

Unit Unit
Fuzifikasi Defuzifikasi

Gambar 5.10 Struktur dasar pengendali logika fuzzy

127
5.1.3.1 Variabel Sistem dan Parameter Fuzzy
Variabel sistem atau parameter fuzzy merupakan besaran
linguistik. Yang termasuk di dalamnya adalah variabel masukan
dan keluaran. Variabel masukan juga sering disebut variabel
keadaan proses (process state) dan merupakan besaran yang
besaral dari proses yang dikendalikan. Sedangkan variabel
keluaran atau variabel kendali proses (process control) adalah
besaran yang ditentukan oleh FLC.
Bergantung kepada kerumitan sistem fuzzy, jumlah
variabel masukan dan keluaran bervariasi. Suatu sistem dengan
n variabel masukan dan m variabel keluaran disebut sebagai
sistem n masukan m keluaran. Apabila n=1 dan m=1, sistem
disebut sebagai Single-Input-Single-Output (SISO) dan apabila n2
dan m=1 sistem fuzzy disebut Multi-Input-Single-Output (MISO).
Apabila n2 dan m2, sistem fuzzy disebut sebagai Multi-Input-
Multi-Output (MIMO).
Bila FLC dirancang untuk menggantikan kendali
konvensional dengan sistem MISO, variabel masukan FLC
dapat berupa galat keadaan (state error) (e), jumlah galat kadaan
(e), dan turunan state error (de). Ketiganya dapat ditulis dalam
bentuk vektor variabel masukan E, dengan E{e,e, dan de).
Variabel keluaran FLC adalah sinyal kendali seperti tegangan,
arus, dan lain-lain yang menentukan kecepatan, percepatan,
gaya, dan lain-lain.

5.1.3.2 Fungsi Keanggotaan Variabel Sistem

Salah satu proses yang penting dalam merancang FLC
adalah menentukan jumlah dan bentuk fungsi keanggotaan
fuzzy dari masukan dan keluaran FLC. Fungsi keanggotaan
128
masukan dan keluaran fuzzy bisa ditentukan berjumlah 3,5,7
atau lebih dengan fungsi keanggotaan berbentuk segitiga,
trapesium, berupa fungsi S, atau fungsi pi.
Meskipun penentuan jumlah, jangkauan, dan bentuk
fungsi keanggotaan sangat terpengaruh subyektivitas
perancangan dan evaluasi dari unjuk kerja sistem, perlu juga
diperhatikan hal-hal berikut.
1. Himpunan fuzzy terdistribusi simetris sepanjang semesta
wacana.
2. Himpunan fuzzy berjumlah ganjil untuk masing-masing
variabel. Hal ini akan menjamin ada beberapa himpunan
fuzzy yang berada di tengah-tengah.
3. Himpunan fuzzy yang berdekatan saling tumpang tindih
untuk menjamin tidak ada besaran crisp yang tidak memiliki
pasangan besaran fuzzy dan untuk menjamin ada lebih dari
satu aturan yang terlibat pada penentuan keluaran.
4. Sebaiknya menggunakan fungsi keanggotaan berbentuk
segitiga atau trapesium untuk mengurangi waktu komputasi.
Seperti terlihat pada Gambar 5.11. sebagai berikut.
μ

NB NK ZE PK PB
1

0,5

0 e
-1 0 +1
Gambar 5.11 Bentuk fungsi keanggotaan segitiga dan
trapesium

129
5.1.4 FUZIFIKASI
Fuzifikasi adalah suatu proses pemetaan dari kawasan
tegas (crisp) ke kawasan himpunan fuzzy. Dalam kendali proses,
data teramati biasanya tegas (crisp), dan fuzifikasi diperlukan
untuk memetakan nilai tegas (crisp) tersebut, pada jangkauan
yang teramati, ke suatu besaran fuzzy yang bersesuaian. Data
yang telah dipetakan selanjutnya diubah menjadi bentuk
linguistik dengan derajat keanggotaan tertentu dan akan
menjadi label bagi himpunan kabur (fuzzy). Misalnya sinyal
masukan crisp bernilai e. Proses fuzifikasi dapat dijelaskan di
Gambar 5.12 sebagai berikut.
μ

A1 A2
1
b
0,5
a
0 u
e
Gambar 5.12 Sinyal e mengalami fuzifikasi menjadi besaran
fuzzy A1 dengan derajat keanggotaan a dan besaran fuzzy A2
dengan derajat keanggotaan b.

5.1.5 Basis Pengetahuan

Basis pengetahuan berisi dua macam informasi utama,
yaitu:
5.1.5.1. Basis Data
Berisi tentang definisi-definisi yang perlu dari parameter
fuzzy yang digunakan untuk masing-masing variabel sistem.
Membangun basis data fuzzy termasuk di dalamnya menentukan
130
semesta wacana masing-masing variabel masukan, menentukan
jumlah himpunan fuzzy dan merancang fungsi keanggotaan.

5.1.5.2 Pemrosesan Aturan

Pemrosesan aturan fuzzy merupakan kumpulan aturan
kendali fuzzy. Pemrosesan aturan fuzzy disusun berdasarkan
pengetahuan pakar dan kawasan aplikasi dan tujuan
pengendalian yang dilakukan. Berdasarkan pemrosesan aturan
fuzzy ini, mesin inferensi akan memetakkan himpunan fuzzy ke
dalam himpunan fuzzy lain yang ditentukan oleh sekumpulan
kaidah deskripsi linguistik yang disusun berdasarkan
pengetahuan pakar tersebut. Pengetahuan pakar ini umumnya
disusun dalam bentu aturan JIKA…MAKA sebagai berikut.
JIKA (suatu himpunan kondisi terpenuhi)
MAKA (suatu himpunan aksi dijalankan)
Pernyataan ini sering disebut sebagai pernyataan
kondisional fuzzy, kondisi yang harus dipenuhi disebut sebagai
anteseden sedangkan aksi yang akan dijalankan disebut sebagai
konsekuen.
Untuk sistem MISO pemrosesan aturan fuzzy mungkin
dapat dinyatakan sebagai berikut.
Aturan 1 JIKA x1 adalah A11 DAN…DAN xm adalah A1m MAKA
y adalah B1
Aturan 2 JIKA x1 adalah A21 DAN…DAN xm adalah A2m MAKA
y adalah B2
Aturan 1 JIKA x1 adalah An1 DAN…DAN xm adalah Anm MAKA
y adalah Bn
Dengan xj adalah variabel masukan sistem, Aij adalah himpunan
fuzzy untuk xj, y adalah variabel keluaran sistem, Bi adalah

131
himpunan fuzzy untuk y, dan DAN adalah operator fuzzy. I=1,
…, n dan j=1, …m.
Dari beberapa pernyataan kondisional fuzzy tersebut
dapat dibuat suatu tabel yang disebut Memori Asosiatif Fuzzy
(MAF). Banyaknya elemen MAF ditentukan oleh berapa banyak
parameter yang hendak dikendalikan. Secara umum bentuk dari
MAF dapat ditunjukkan pada Tabel 5.1.

Tabel 5.1 Memori Asosiatif Fuzzy

e
NB NM Z PM PB
NB NB NB NB NS Z
NM NB NB NM Z PS
E Z NB NM Z PM PB
PM NS Z PM PB PB
PB Z PS PB PB PB

Keterangan
NB = Negatif Big
NM = Negatif Medium
Z = Zero
PM = Positif Medium
PB = Positif Big
5.1.6 Mekanisme Inferensi Fuzzy
Prinsip kerja bagian ini adalah untuk mencari aturan
kondisi keluaran yang bersesuaian dengan kondisi masukan
dalam suatu basis data MAF. Hasil pencarian dalam suatu basis
data MAF adalah beberapa aturan keluaran. Untuk

132
mendapatkan satu aturan keluaran tunggal digunakan metode
inferensi fuzzy.
Metode inferensi fuzzy yang umum digunakan pada
industri adalah:
1. Metode inferensi fuzzy dengan operasi maksimum-minimum
(MAX-MIN)
2. Metode inferensi fuzzy dengan operasi perkalian (MAX-
DOT)
Seandainya kita memiliki Pemrosesan Aturan kendali fuzzy
dengan dua aturan:
Aturan 1 : JIKA x adalah A1 dan y adalah B1 MAKA z adalah C1
Aturan 2 : JIKA x adalah A2 dan y adalah B2 MAKA z adalah C2
Misalnya fire-strength untuk aturan ke 1 dinyatakan dengan i.
Untuk masukan x0 dan y0, fire-strength 1 dan 2 dari
Pemrosesan Aturan dinyatakan oleh.
1 = A1 (x0) ^ B1 (y0)
2 = A2 (x0) ^ B2 (y0)

5.1.6.1 Metode MAX-MIN

Pada metode ini, digunakan aturan operasi minimum
Mamdani Rc sebagai implikasi fuzzy.
Operasi minimum Mamdani:
R c  AxB   A (u)  B (v) /(u, v) ..........................(2.9)
u. v

Keputusan kendali untuk aturan ke-i dinyatakan dengan i ^

ci(w). Maka keanggotaan konsekuensi C diberikan oleh.
c(w) = (1  c1(w))  (2  c2 (w)).......................(2.10)
Gambar 5.13 menunjukkan proses inferensi MAX-MIN untuk
nilai masukan crisp (tegas) x0 dan y0.

133
 uA uB uC
1 1 1

A1 B1 C1

U V W
uA uB uC
2 2 2

A2
B2 C2

U V W
X0 Y0
uC

Gambar 5.13 Inferensi fuzzy MAX-MIN

5.1.6.2 Metode MAX-DOT

Pada metode MAX-DOT ini, aturan operasi produk
Larsen Rp digunakan sebagai fungsi implikasi fuzzy.
Operasi produk (Larsen):
Rp = A x B =  A (u).B (v) /(u.v) ............................(2.11)
uxv
Keputusan kendali untuk aturan ke-i dapat dinyatakan dengan
i.ci(w). Keanggotaan konsekuensi C yang telah disimpulkan
dinyatakan dengan:

c(w) = (1  c1(w))  (2  c2 (w))........................(2.12)

134
Gambar 5.14 menunjukkan proses inferensi MAX-DOT untuk
nilai masukan crisp (tegas) x0 dan y0 yang diperlakukan sebagai
fuzzy singletons. Fuzzy singletons adalah himpunan fuzzy yang
memiliki himpunan support berupa titik tunggal di U.
Sedangkan himpunan support dari suatu himpunan fuzzy F
adalah himpunan bilangan tegas semua titik u dan U
sedemikian sehingga F(u) > 0.
uA uB uC
1 1 1

A1 B1 C1

U V W
uA uB uC
2 2 2

A2
B2 C2

U V W
X0 Y0
uC

Gambar 5.14 Inferensi fuzzy MAX-DOT

Penggunaan metode implikasi didasarkan pada metode
yang memberikan hasil yang terbaik.

5.1.7 Penegasan (Defuzifikasi)

Input dari proses defuzifikasi adalah suatu himpunan
fuzzy yang diperoleh dari komposisi aturan-aturan fuzzy,
sedangkan output yang dihasilkan merupakan suatu bilangan
kawasan himpunan fuzzy tersebut. Sehinga jika diberikan suatu
135
himpunan fuzzy dalam range tertentu, maka harus dapat
diambil nilai proses penegasan tertentu seperti ditunjukan di
Gambar 5.15 sebagi berikut.
Daerah Fuzzy A

Keluaran
Daerah Fuzzy B Daerah Fuzzy D

Daerah Fuzzy C

Nilai yang
diharapkan

Gambar 5.15 Proses defuzifikasi

Defuzifikasi proses pemetaan aksi kendali fuzzy yang

telah disimpulkan ke ruang aksi kendali tegas (crisp). Strategi
defuzifikasi diarahkan untuk menghasilkan aksi kendali tegas
(crisp) yang merupakan perwujudan terbaik dari kemungkinan
distribusi aksi kendali kabur (fuzzy).
Beberapa metode dalam strategi defuzifikasi yang
umumnya digunakan dalam aplikasi kendali logika fuzzy adalah
metode rerata maksimum (mean of maximum) dan metode titik
berat (center of area).

136
5.1.7.1 Metode Rerata Maksimum (Mean of Maximum,
MOM)
Pada metode ini, solusi tegas dengan cara menggambil
nilai rata-rata kawasan yang memiliki nilai keangotaan
maksimum. Defuzifikasi rerata maksimum kadang-kadang
disebut juga defuzifikasi tinggi. Strategi MOM membangkitkan
aksi kendali yang mewakili nilai rerata semua aksi kendali lokal
dengan fungsi keanggotaan mencapai maksimum.
Misalnya pada sistem fuzzy MISO. Bila jumlah aturan
dinyatakan dengan n, tinggi maksimum fungsi keanggotaan
himpunan fuzzy untuk keluaran kendali pada aturan ke-i
dinyatakan dengan nilai tegas (crisp) Hi, dan nilai kendali tegas
(crisp) sepanjang semesta wacana keluaran dinyatakan dengan
Wi, serta fire strength aturan ke-i dinyatakan dengan i, maka
nilai kendali tegas (crips) W menggunakan metode MOM
dinyatakan dengan.
  H Wi
n

W i 1 i i
....................................................(2.13)
i1 i i

n
H
Karena nilai Wi merupakan nilai support pada mana
fungsi keanggotaan mencapai maksimum Hi, fungsi
keanggotaan yang simetris diperlukan untuk masing-masing
himpunan fuzzy konsekuen aturan.

137
 μ

H1 H2
1
α1
α2

0 W
W1 W2
W
Gambar 5.16 Metode rerata maksimum untuk dua aturan

5.1.7.2 Metode Pusat Area (Center of Area, COA)

Strategi COA membangkitkan pusat gravitasi dari
distribusi peluang aksi kendali. Diasumsikan terdapat sistem
fuzzy MISO dengan jumlah aturan dinyatakan dengan n,
momen (di sekitar sumbu nol sepanjang semesta wacana
keluaran) dari fungsi keanggotaan himpunan fuzzy untuk
keluaran kendali anggota ke-i dinyatakan dengan Mi dan luas
dinyatakan dengan Ai serta fire-strength aturan ke-i dinyatakan
dengan i maka nilai kendali tegas (crisp) W menggunakan
metode COA adalah.

  i Mi
n

W i 1
......................................................(2.14)
 A
n
i 1 i i

M = w x A................................................................(2.15)

138
 μ

A1 A2
1
α1
α2

0 W
W1
W
W2

Gambar 5.17 Metode titik berat untuk dua aturan

5.2 Aplikasi Logika Fuzzy

Penggunaan teknologi logika fuzzy telah cukup meluas
pada berbagai aplikasi mulai dari kendali proses industri,
peralatan elektronika rumah tangga, elektronika medika dan
lain-lain (Klir, 1995). Demikian juga penerapan logika fuzzy
pada kendali robot. Pada makalah ini akan menyajikan
implementasi kendali logika fuzzy pada sistem navigasi dari
sebuah robot mobil.

Gambar 5.18 Aplikasi Logika Fuzzy pada robotika

(Thiang, 2000)
139
 Sebuah kamera dipasang di atas arena sedemikian rupa
sehingga pengambilan gambar dari kamera dapat melingkupi
seluruh daerah arena. Sinyal video analog dari kamera akan
diubah dan diteruskan ke PC oleh sebuah interface video card.
Video. card interface yang digunakan sebagai frame grabber
adalah Matrox Marvel G200. Pada PC, gambar digital yang
diperoleh dari frame grabber
akan diproses sehingga didapatkan posisi dan orientasi robot
mobil. Posisi dan orientasi mobil ini akan menjadi input dari
sistem logika fuzzy sehingga didapatkan suatu keputusan untuk
mengendalikan robot mobil. PC akan mengendalikan robot
mobil melalui sebuah remote interface tanpa kabel sehingga
robot mobil bergerak menuju target sesuai dengan perintah dari
PC. Remote interface ini terhubung ke PC melalui parallel port
LPT1.
Dalam sistem logika fuzzy, sebagai crisp input adalah
jarak antara robot mobil dan halangan, sudut orientasi robot
mobil terhadap target dan jarak antara robot mobil dan target.
Crisp output dari sistem logika fuzzy adalah posisi sudut kemudi
dari robot mobil dan kecepatan robot mobil. Crisp input jarak
robot mobil ke halangan dirancang dalam delapan arah sudut
pandang dari robot mobil. Delapan arah tersebut adalah More
Left, Left, Front, Right, More Right, Back Right, Back, Back
Left. Sehingga dalam sistem logika fuzzy yang dirancang terdapat
sepuluh crisp input. Membership function (MF) untuk jarak
robot mobil ke halangan mempunyai tiga label yaitu Near,
Medium dan Far. MF untuk sudut orientasi robot mobil
terhadap target mempunyai 5 label yaitu Negative Big (NB),
Negative Small (NS), Zero (Z), Positive Small (PS), Positive Big (PB)

140
sedangkan MF untuk jarak robot mobil terhadap target
mempunyai 2 label yaitu Near dan Far.

Gambar 5.19 Input MF Jarak Mobil-Halangan

Gambar 5.20 Input MF Sudut Mobil

Dari percobaan-percobaan yang telah dilakukan, maka Sistem

logika fuzzy dapat diimplementasikan dalam sistem navigasi
untuk sebuah robot mobil.

Implementasi Robot Keseimbangan Beroda Dua Berbasis

Mikrokontroler (Grace Bobby, 2015)
Di sini akan dirancang prototip dari Segway. Seperti
yang sudah dibahas sebelumnya, ini juga merupakan
pengembangan dari pendulum terbalik yang di letakan diatas
kereta beroda (Gambar 5.21). Sedangkan tujuannya ialah
mendesain suatu sistem kontrol yang handal agar robot dapat
berdiri tegak. Untuk dapat menyeimbangkannya dibutuhkan
metode kontrol yang baik dan handal untuk mempertahankan
posisi robot dalam keadaan tegak lurus terhadap permukaan
bumi tanpa memerlukan pengendali dari luar dan menerapkan
Self-balancing Control. Maka dari itu dipilih kontrol Fuzzy Logic
141
sebagai kontrol yang dapat menciptakan kontrol sesuai dengan
yang diharapkan. Penentuan pada metode control Fuzzy Logic
ini ialah
dikarenakan dengan menggunakan Fuzzy Logic ini keluaran dari
system berupa crisp tegas yang dapat menjaga kestabilan robot
yang dibuat.
Pada perancangan ini digunakan Arduino uno, serta
memakai sensor accelerometer dan gyroscope yang akan
mengendalikan motor DC. Masalah yang didapatkan pada
penelitian ini antara lain ialah merealisasikan kontrol Fuzzy
Logic pada sistem robot dengan merealisasikan Kalman Filter
agar pembacaan sensor akurat. Sehingga robot ini dapat
mempertahankan posisinya tegak lurus dengan seimbang
terhadap permukaan bumi pada bidang datar. Dan dapat
menerapkan Self-balancing Control pada robot.

Gambar 5.21. Balancing Robot Beroda Dua Menyeimbangkan

Diri.
(a) Posisi Robot Seimbang; (b) Arah Roda Berjalan dan
Berputar Ketika Posisi Miring ke depan.

Perancangan Fuzzy Logic

Logika fuzzy digunakan sebagai pengolah data masukan
dari sensor IMU. Hal ini bertujuan agar proses penyeimbangan
142
berjalan lancar. Data hasil pembacaan sensor IMU merupakan
data masukan bernilai tegas (crisp) kemudian diubah menjadi
himpunan fuzzy menurut fungsi keanggotaannya
(Priyoprahastyo, 2015). Proses awal dari fuzzyfikasi adalah
membuat membership function (fungsi keanggotaan) dari
masukan, serta menentukan banyaknya variable linguistic dalam
fungsi keanggotaan tersebut. Dari fungsi keanggotaan yang
dibuat akan diketahui nilai derajat keanggotaan dari masing-
masing variable dalam himpunan fuzzy berdasarkan masukan
tegas (crisp). Pada sistem ini terdapat masukan dari sensor IMU.
Masukan dari sensor IMU ini memiliki masing-masing empat
nilai linguistik untuk masing-masing sensor NE, AZE1 , AZE2
dan PE.
Masukan kedua dari delta error NDE, AZDE1, AZDE2 dan
PDE dengan fungsi keanggotaan bahu trapesium.

(a) (b)
Gambar 5.22 Fungsi keanggotaan (a) masukan sensor error;
(b) masukan sensor negatif error

Pada keluaran sistem menggunakan model sugeno,

pembentukan fungsi keluaran pada model sugeno memiliki
fungsi yang lebih sederhana dengan respon lebih cepat dari
model yang lain. Bentuk keluaran fungsi keanggotaan pada
143
model sugeno mempunyai bentuk singletone, bentuk dengan
derajat keanggotaan satu pada suatu nilai crisp tunggal dan nilai
nol pada suatu crisp yang lain. Karena keluaran dalam bentuk
singletone maka fungsi pada setiap nilai linguistik bernilai satu
dan nol pada diluar nilai linguistik. Keluaran pada sistem yang
dibuat ada dua, yaitu PWM pengontrol motor dc kanan dan
kiri. Untuk keluaran sistem yang berupa kecepatan memiliki
lima nilai linguistik, yaitu: MUNDUR CEPAT, MUNDUR,
BERHENTI, MAJU, MAJU CEPAT.

144
 Jaringan
Syaraf
Tiruan dalam 6
Robotika

145
 B
eberapa tugas dapat dengan mudah
dikerjakan oleh manusia, tetapi “SULIT”
dilakukan oleh mesin Von Neuman dengan
paradigma konvensional melalui pendekatan
algoritmik, mis:
- Pattern recognition (hand-written characters)
- Content addressable recall
- Approximate, common sense reasoning (driving, playing piano,
baseball player)

6.1 SEJARAH JARINGAN SYARAF TIRUAN

 Permodelan aktivitas biologis manusia dimulai pada abad
ke-17 (studi tentang kerja jantung)
 - Studi dasar mengenai jaringan neural terjadi pada akhir
abad ke-19 dan awal abad 20.
 Studi bersifat interdisipliner, melibatkan fisika, psikologi,
dan neuropsikologi.
 Ilmuwan yang terlibat : Hermann von Helmhotz, Ernst
Mach, dan Ivan Pavlov
 Pandangan modern mengenai jaringan neural muncul di
tahun 1940-an melalui karya Warren McCulloch dan
Walter Pitts, yang memperlihatkan bahwa jaringan neuron
artifisial, secara prinsipil, dapat menghitung segala fungsi
aritmatik dan logika.
 Donald Hebb mengikuti dengan mengajukan konsep
mekanisme belajar pada neuron biologis.
 Aplikasi JST praktis pertama muncul di akhir tahun 1950-
an, melalui penemuan jaringan perseptron dan aturan
belajar terasosiasi dari Frank Rosenblatt.

146
 Di tahun yang sama, Bernard Widrow dan Ted Hoff
memperkenalkan algoritma belajar baru, yang masih
dipakai hingga sekarang.
 Pada tahun 1969, Marvin Minsky dan Seymour Papert
menunjukkan sejumlah keterbatasan inherent pada
jaringan Rosenblatt dan Widrow. Pada saat itu, sejumlah
orang meyakini bahwa penelitian JST sudah berakhir.
 Keraguan pada masa itu (tahun 60-an) muncul karena
minimnya ide baru dan kinerja komputer
 Penelitian JST ternyata berlanjut pada tahun 70-an, ketika
Teuvo Kohonen dan James Anderson secara terpisah
mengembakan JST baru yang dapat berfungsi sebagai
memori.
 Tahun 80-an muncul komputer-komputer berkinerja tinggi
(untuk saat itu) dan penelitian JST meningkat secara
dramatis.
 Stephen Grossberg (1976) juga sangat aktif meneliti
jaringan self-organizing.
 John Hopfield (1982) memperkenalkan konsep mekanika
statistik, yang digunakan untuk menerangkan jaringan
recurrent, yang dapat difungsikan sebagai memori.
 Kunci kemajuan ke dua di tahun 1980-an adalah
ditemukannya algoritma backpropagation untuk melatih
perseptron multi-layer oleh sejumlah peneliti. Publikasi
algoritma yang paling berpengaruh ditulis oleh David
Rumelhart dan James McClelland. Algoritma ini
merupakan jawaban terhadap kritik Minsky dan Papert
(1960)

147
  Penelitian terus berlanjut. Konsep, algoritma, dan arsitektur
JST baru bermunculan. Apa yang akan terjadi 20 tahun
kemudian ?

6.2 JARINGAN SYARAF

6.2.1 Jaringan Biologis
Arsitektur jaringan syaraf tiruan termotivasi oleh model
sel otak dan syaraf manusia. Otak manusia neniliki struktur
yang sangat kompleks dan memiliki kemampuan yang luar
biasa. Otak terdiri dari neuron-neuron dan penghubung yang
disebut dengan sinapsis (Gambar 6.1). Neuron bekerja
berdasarkan impuls/sinyal yang di berikan pada neuron.
Neuron meneruskan pada neuron lain. Diperkirakan manusia
memiliki 6.1018 sinapsis. Dengan jumlah yang begitu banyak,
otak mampu mengenali pola, melakukan perhitungan, dan
mengontrol organ-organ tubuh dengan kecepatan yang lebih
tinggi dibandingkan komputer digital.

Celah sinaptik
Akson dari Dendrite
dari
Neuron lain Neuron lain
Soma akson celah
sinaptik

Dendrite

Gambar 6.1 Neuron Biologis

148
6.2.2 Jaringan Syaraf Tiruan
Pekerjaan awal dilaksanakan McCullosh dan Pitts pada
tahun 1943 dengan menciptakan untai logika sederhana terdiri
atas elemen-elemen seperti neuron yang saling berhubungan.
Pendekatan yang pertama dari biologi neuron menjadi
“perceptron”, di temukan oleh Rossenblatt pada tahun 1962 dan
Minsky-Papert (1969,1988) Perceptron pada mulanya
mempunyai tiga lapis neuron dan merupakan swa-organisasi
(self organizing), tetapi sebagian besar dilatih (Sriwidodo, 2005).
Jaringan syaraf tiruan adalah sistem pengolahan
informasi yang mempunyai karakteristik kinerja yang
menyerupai jaringan syaraf biologis. Jaringan syaraf tiruan
dikembangkan sebagai generalisasi model-model matematis dari
biologi syaraf, yang didasarkan pada anggapan bahwa:
1. Pengolahan informasi terjadi pada beberapa elemen
sderhana yang disebut neuron.
2. Isyarat-isyarat dikirimkan antara neuron-neuron melalui
sambungan (Connection Link).
3. Setiap sambungan hubungan mempunyai kumpulan bobot,
yang dalam jaringan syaraf khusus mengalikan isyarat-isyarat
yang dikirimkan.
4. Setiap neuron menerapkan fungsi aktivasi (biasanya
nonlinear) ke masukan jaringan ini (ditambah bobot isyarat
masukan) untuk menentukan isyarat keluarannya.
Jaringan syaraf dikarakteristikkan sebagai berikut: (Fausett,
1994);
1. Pola interkoneksi antar neuron (disebut arsitektur)
2. Metode penentuan bobot pada koneksi (disebut
pembelajaran atau algoritma),dan
3. fungsi aktivasinya
149
 Jaringan syaraf terdiri dari sejumlah besar elemen-elemen
pengolahan informasi sederhana yang disebut neuron-neuron,
unit-unit, sel-sel, dan simpul-simpul. Masing-masing neuron
terhubung ke neuron lain oleh sambungan komunikasi
langsung masing-masing dengan bobot tertentu. Bobot
menyatakan informasi yang dipakai oleh jaringan untuk
memecahkan suatu persoalan.
Setiap neuron mempunyai keadaan internal, yang disebut
tingkat aktivasi atau aktifitas, yang merupakan fungsi dari input
yang diterimanya. Secara khusus, neuron mengirimkan aktivasi
ini sebagai isyarat ke beberapa neuron lain. Gambar 6.2
menunjukkan sebuah neuron. Neuron Y menerima masukan
dari neuron X1, X2, dan X3. Aktivasi (sinyal keluaran) dari
neuron-neuron ini adalah X1, X2, dan X3. Bobot koneksi dari
neuron X1, X2, dan X3 ke neuron Y adalah w1, w2, dan w3.
Masukan jaringan, yin ke neuron Y adalah penjumlahan isyarat
bobot dari neuron x1, x2, dan x3, yakni:
yin = w1X1 + w2X2 + w3X3 (6.1)
Aktivasi y dari neuron Y diberikan oleh fungsi masukan
jaringannya:
y = f(yin) (6.2)
misalnya fungsi aktivasinya sigmoid logistik dengan kurva
berbentuk S, maka;
y = f(yin) = 1 (6.3)
1+exp (-yin)

Gambar 6.3 adalah sebuah jaringan syaraf tiruan sederhana,

adanya unit tersembunyi bersama dengan fungsi aktivasi
nonlinear memberikan kemampuan untuk memecahkan lebih
banyak masalah dari pada jaringan yang hanya mempunyai unit
150
masukan dan keluaran. Adanya lapisan tersembunyi
menyebabkan lebih sulit melatihnya guna mencari bobot
optimal.

X1 w1

w2 Y
X2

w3
X3

Gambar 6.2 Neuron Sederhana

6.2.3 Jaringan Syaraf Tiruan Rambatan Balik

Backpropogation merupakan algoritma pembelajaran
yang terawasi dan biasanya digunakan oleh perceptron dengan
banyak lapisan untuk mengubah bobot-bobot yang terhubung
dengan neuron-neuron yang ada pada lapisan tersembunyinya.
Algoritma back propogation menggunakan error output untuk
mengubah nilai bobot-bobotnya dalam arah mundur (backward).
Untuk mendapatkan error ini, tahap perambatan maju (forward
propagation) harus dikerjakan terlebih dahulu.
Seperti halnya model jaringan syaraf tiruan yang lain,
backpropagation melatih jaringan untuk mendapatkan
keseimbangan antara kemampuan jaringan untuk mengenali
pola yang digunakan selama pelatihan serta kemampuan
jaringan untuk memberikan respon yang benar terhadap pola
masukan yang serupa (tapi tidak sama) dengan pola yang dipakai
selama pelatihan.

151
 W1
V3

W2 y

V3
W3

Unit masukan Unit tersembunyi Unit keluaran

Gambar 6.3 Jaringan Syaraf tiruan sederhana

6.2.4 Arsitektur Rambatan Balik

Backpropagation memilki beberapa unit yang ada dalam
satu atau lebih layar tersembunyi. Gambar 6.4 adalah arsitektur
backpropagation dengan n buah masukan (ditambah sebuah
bias), sebuah layer yang tersembunyi yang terdiri dari p unit
(ditambah sebuah bias), serta m buah unit keluaran.
Vij merupakan bobot garis dari unit masukan xi ke unit
layer tersembunyi zj (vj0,vj1……..,vjn merupakan bobot garis yang
menghubungkan bias dari unit masukan ke unit layer
tersembunyi zj). Wkj merupakan bobot dari unit layer
tersembunyi zj ke unit keluaran yk (wk0 merupakan bobot dari
bias dilayar tersembunyi ke unit keluaran zk).
Unit keluaran dan unit tersembunyi mempunyai bias
yang berlaku sebagai bobot koneksi yang selalu bernilai 1.

152
 Gambar 6.4 Arsitektur Backpropagation
6.2.5 Fungsi Aktivasi
Dalam jaringan backpropagation, fungsi aktivasi yang
digunakan harus memenuhi beberapa syarat, yaitu : kontinyu,
terdiferensialkan, dan derivatifnya mudah dihitung. Salah stu
fungsi yang memenuhi ketiga syarat tersebut adalah fungsi
sigmoid biner yang memiliki range (0, 1).
f(x) = 1 (6.4)
–x
1+e
dengan turunan
f ’(x) = f(x) (1- f(x)) (6.5)
Grafik fungsinya dapat dilihat pada Gambar 6.5 berikut ini

153
 Gambar 6.5 Fungsi Sigmoid Biner
Fungsi lain yang sering dipakai adalah fungsi sigmoid bipolar
yang bentuk fungsinya mirip dengan fungsi sigmoid biner, tapi
dengan range (-1, 1)
f(x) = 1 -1 (6.6)
–x
1+e
dengan turunan
f ‘(x) = (1 + f(x))(1- f(x)
(6.7)
1 + e –x
Grafik fungsinya dapat dilihat pada Gambar 6.6 berikut ini

Gambar 6.6 Fungsi Sigmoid Bipolar

154
Fungsi sigmoid mempunyai nilai maksimum =1. Maka untuk
pola yang targetnya > 1, pola masukan dan keluaran harus
terlebih dahulu ditransformasi sehingga semua polanya
memiliki range yang sama seperti fungsi sigmoid yang
digunakan. Alternatif lain adalkah menggunakan aktivasi
sigmoid hanya pada layar yang bukan layar keluaran. Pada layar
keluaran, fungsi aktivasi yang dipakai adalah fungsi identitas :
f(x) = x (Siang, 2005).

6.2.6 Algoritma Jaringan Syaraf Tiruan Rambatan Balik

(Untuk bahasa pemrograman)
Algoritma pelatihan terdiri atas langkah-langkah sebagai berikut:
Langkah 0 Inisialisasi bobot (tetapkan nilai acak kecil)
Langkah 1 Selama syarat berhenti belum terpenuhi, lakukan
langkah 2-9
Langkah 2 Untuk setiap pasangan pelatihan, kerjakan langkah
3-8
Umpan Maju
Langkah 3 Setiap unit masukan (xi, i=1,…..n)
Menerima sinyal masukan xi dan meneruskan
sinyal ini ke semua unit didalam lapisan
tersembunyi.
Langkah 4 Setiap lapisan tersembunyi (zj, j=1,.........p)
Menjumlahkan sinyal masukan terbobotnya
n
z inj  voj   xi vij
i 1
hitung sinyal keluarannya dengan fungsi aktivasi
yang digunakan
 
z j  f zinj

155
 dan kirimkan sinyal ini ke semua unit di dalam
lapisan keluaran.
Langkah 5 setiap unit keluaran (Yk, k=1,……,m)
Menjumlahkan sinyal masukan terbobotnya
n
yink = wok z i 1
j wjk

dan hitung sinyal keluarannya dengan fungsi

aktivasinya :
yk = f(yink)
Perambatan balik galat
Langkah 6 Setiap unit keluaran (Yk, k=1,…..,n)
Menrima pola target (tk) sesuai dengan pola
masukan pelatihan. Kemudian dihitung suku
(term) informasi galat dengan mengalikan derivatif
fungsi aktifasi yang digunakan
 k = (tk-yk) f „ (yink)
Hitung suku koreksi bobot untuk memperbaharui
bobot wjk
 wjk =  (tk-yk) f „ (yink) zj =   k zj
 wok =  (tk-yk) f „ (yink) 1 =   k
Langkah 7 Setiap unit tersembunyi (zj, j=1,….,p)
Menjumlahkan masukan delta  k dari unit diatasnya.
m
 inj = 
i 1
k wjk

Hitung suku informasi galat:

 j =  inj f „ (zinj)
Hitung suku koreksi bobot untuk mempebarui
bobot vij;
 vij =   inj f „ (zinj) xi =   j xi
 voj =   inj f „ (zinj) 1 =   j xi
Perbarui bobot dan prasikap
156
 Langkah 8 Pembaruan bobot dan prasikap unit keluaran
Wjk (baru) = wjk (lama) +  wjk
Wok (baru) = wok (lama) +  wok
Pembaharuan bobot dan prasikap unit tersembunyi
Vij (baru) = vij (lama) +  vij
Voj (baru) = voj (lama) +  voj
Langkah 9 Uji isyarat berhenti. Syarat berhenti dapat berupa
cacah epoch (periode pelatihan) maksimum atau
galat (error) telah mencapai di bawah minimum
yang diiginkan.

6.3 APLIKASI JARINGAN SYARAF TIRUAN PADA

ROBOTIKA
Tujuan dari Aplikasi ini adalah membuat aplikasi
pengenalan suara untuk pengendalian robot dengan
menggunakan jaringan syaraf tiruan sebagai algoritma
pembelajaran dan pemodelan dalam pengenalan suara. Terlebih
dahulu menentukan batasan permasalahan sebagai berikut : 1).
Data masukan berupa 5 buah kata bahasa Indonesia, yaitu
maju, mundur, kanan, kiri, dan stop yang diambil dari 6 orang
responden yang terdiri dari 5 orang pria dan 1 orang wanita.
Masing-masing responden diambil datanya sebanyak 10 buah
contoh bunyi untuk setiap kata. 2) Analisis sinyal dilakukan
dengan ekstraksi ciri menggunakan LPC (Linear Predictive
Coding) dan FFT (Fast Fourier Transform), 3). Proses
pengenalan suara dilakukan dengan Jaringan Syaraf Tiruan
Multilayer Perceptron dengan metode pembelajaran Back
Propagation, 4). Proses pengiriman data dari komputer melalui
komunikasi serial, 5). Pembuatan program dilakukan dengan
menggunakan bantuan bahasa pemrograman Matlab.

157
 Salah satu bentuk pendekatan pengenalan suara adalah
pendekatan pengenalan pola yang terdiri dari dua langkah yaitu
pembelajaran pola suara dan pengenalan suara melalui
perbandingan pola. Tahap perbandingan pola adalah tahap saat
suara yang akan dikenali dibandingkan polanya dengan setiap
kemungkinan pola
yang telah dipelajari dalam fase pembelajaran, untuk kemudian
diklasifikasikan dengan pola terbaik yang cocok. Blok diagram
pembelajaran pola dan pengenalan suara ditunjukkan pada
gambar di bawah ini.
Pengenalan suara secara umum dapat dibagi menjadi tiga
tahap, yaitu tahap ekstraksi ciri, tahap pemodelan atau
pembelajaran, dan tahap pengenalan suara. Model matematis
dari neuron dapat dilihat pada Gambar 6.8 Masukan dan bobot
merupakan model matematis dari dendrit, penjumlahan serta
fungsi pengaktif merupakan model matematis dari soma (badan
sel), serta keluaran merupakan model matematis dari akson.

(a) Blok diagram pembelajaran pola.

(b) Blok diagram pengenalan suara.

Gambar 6.7 Blok diagram pembelajaran pola dan pengenalan suara

Setiap jalur nilai masukan ke neuron mempunyai bobot, dan

terdapat satu jalur masukan tambahan yang bukan merupakan
158
jalur masukan, yaitu jalur ke-0. Jalur ke-0 ini dapat berfungsi
sebagai nilai koreksi atau dapat juga berfungsi sebagai nilai
threshold (nilai ambang batas). Impuls pada sistem syaraf
manusia dimodelkan sebagai nilai yang dimasukkan melalui
jalur nilai masukan ke dalam model neuron. Nilai pada setiap
jalur masukan akan dikalikan dengan bobot jalur, dan
kemudian dijumlahkan. Nilai yang dihasilkan dari penjumlahan
seluruh masukan tersebut dapat berada pada range yang sangat
besar sehingga akan mempersulit pengolahan selanjutnya.

Gambar 6.8 Model matematis neuron

Diagram alir proses pengenalan ucapan dengan
menggunakan jaringan syaraf tiruan back propagation
ditunjukkan oleh gambar 6.9.

Penerapan Jaringan Syaraf Tiruan Pada Pengenalan Pola

Robot Line Follower (Asep Sholahuddin, 2013)
Robotika adalah multidisiplin ilmu yaitu komputer,
elektronika dan mekanika. LFR atau Robot Line Follower adalah
robot beroda yang dapat berjalan pada jalur garis hitam atau
putih karena dilengkapi dengan sensor infra merah. Robot LFR
159
biasanya pada tingkat pemula di kontrol dengan menggunakan
pemrograman kondisional IF dan THEN. Penggunaan JST
menjadikan pengontrolan LFR dengan cara dilatih atau
pembelajaran. Ini dilakukan dengan menggunakan metode
eksperimen dengan cara melatih data input yang diberikan dari
sensor infra merah pendeteksi garis. Pada tahapan penelitian
yang dilakukan adalah seperti terlihat pada Gambar 3.

Gambar 6.9 Diagram alir proses pengenalan ucapan

Gambar 6.10. Tahapan Pelaksanaan Pelatihan

160
 Uraian dari tahapan di atas dapat dijelaskan lebih detail
lagi. Tahapan pembacaan sensor dilakukan dengan
menggunakan sensor infra merah sebanyak 4 pasang sensor
(sepasang ensor terdiri atas satu pengirim cahaya dan satu lagi
penerima cahaya infra merah). Hasil pembacaan di konversikan
pada bentuk dijital. Misalnya pada garis hitam dengan
background putih hasil yang dibaca adalah “0001” ini
menunjukkan sensor yang ke satu (dibaca mulai dari yang paling
kanan) bernilai “1” yang berarti terbaca garis hitam yang lainnya
putih. Tahapan kodifikasi adalah memberikan kode tertentu
untuk arti dari masing-masing nilai yang dihasilkan dari sensor
infra merah. Pengertian kode tersebut terlihat pada Tabel 1.
Sedangkan masing-masing kode tersebut diperlukan kecepatan
roda kiri atau kanan yang harus dilakukan. Kecepatan roda
robot dilakukan dengan cara memberikan nilai PWM (Pulse
Width Modulation). Hasil dari program testing DT-ROBOT
didapat nilai PWM seperti pada Tabel 2. Tahapan konversi
dilakukan untuk pelatihan pada JST. Pada JST dengan
backpropagationi dilakukan nilai output berada pada range 0
sampai dengan 1, sedangkan nilai PWM berada antara 0 dampai
dengan 350. Untuk mempermudah konversi dapat dilakukan
seperti pada Tabel 6.1.
Hasil pembacaan dan keterangannnya sesuai dengan
Tabel 6.1. Sedangkan nilai PWM yang dilakukan sesuai dengan
Tabel 6.2 dan nilai konversinya sesuai dengan Tabel 6.2. Hasil
running seperti pada Tabel 6.1 Maka hasil keseluruhan dari
pelatihan tersebut kemudian dibandingkan dengan data output
yang diharapkan. Pengujian hasil pengenalan dengan cara
membandingkan satu persatu hasil yang diharapkan dengan
hasil pelatihan. Hasil keseluruhan dapat dilihat pada Tabel 6.2.
161
 Tabel 6.1 Kode data sensor infra merah (Asep Sholahuddin,
2013)

Tabel 6.2 Hasil pengujian keseluruhan data input dan output

Hasil Tabel 6.2 menunjukkan 100% hasil pelatihan sama

dengan hasil yang diharapkan. Pelatihan dilakukan dengan
menggunakan software Matlab versi 7.0

162
 Kinematika
dan Mekanika 7
Robot

163
7.1 MANIPULATOR ROBOT
Manipulator robot adalah sistem mekanik yang
menunjukkan pergerakan dari robot. Sistem mekanik ini terdiri
dari susunan link (rangka) dan joint (engsel) yang mampu
menghasilkan gerakan yang terkontrol (Alfian Reztu, 2012).
Hanya dua tipe dasar dari jenis yang digunakan pada industri
yaitu:
 Revolute joint (R) yaitu perputaran pada sumbu tertentu
 Prismatic joint (P) yaitu pergeseran sepanjang sumbu
tertentu Dengan dua tipe joint di atas maka dapat dibuat
manipulator dengan dua, tiga bahkan enam derajat
kebebasan adalah jumlah arah yang independen, dimana
end effector (berupa griper/tool) dapat bergerak.
Secara umum struktur robot dapat dibedakan menurut sumbu
koordinat yang digunakan, yaitu (Mark, 2004):
Robot Kartesian yang terdiri dari 3 sumbu linier
Robot Silindris yang terdiri dari 2 sumbu linier dan 1
sumbu rotasi
Robot Spheris yang terdiri dari 1 sumbu linier dan 2
sumbu rotasi
Robot Artikulasi yang terdiri dari 3 sumbu rotasi
Untuk lebih jelasnya diuraikan dalam Tabel 1.
Tabel 1. Struktur Umum Robot
JENIS SUMBU SUMBU SUMBU TOTAL
NO
ROBOT 1 2 3 ROTASI
1 Cartesian P P P 0
2 Cylindrical R P P 1
3 Spherical R R P 2
4 SCARA R R P 2
5 Articulated R R R 3

164
 Keterangan:
P= Prismatic
R= Revolute

1. Robot Kartesian
Struktur robot ini terdiri dari tiga sumbu linier
(prismatic). Masing-masing sumbu dapat bergerak ke area sumbu
x-y-z (lihat Gambar 7.1). Keuntungan robot ini adalah
pengontrolan posisi yang mudah dan mempunyai struktur yang
lebih kokoh (Singh, Nanua, 1996).

Gambar 7.1 Robot Kartesian

2. Robot Silindris
Struktur dasar dari robot silindris adalah terdiri dari
Horizontal Arm dan Vertikal Arm yang dapat berputar pada base/
landasannya (lihat Gambar 7.2). Jika dibandingkan dengan
robot kartesian, robot silindris mempunyai kecepatan gerak

165
lebih tinggi dari end effectornya, tapi kecepatan tersebut
tergantung momen inersia dari beban yang dibawanya.

Gambar 7.2 Robot Silindris

3. Robot Spheris
Konfigurasi struktur robot ini mirip dengan sebuah tank
dimana terdiri atas Rotary Base, Elevated Pivot, dan Telescopic Arm
(lihat Gambar 7.3). Keuntungan dari robot jenis ini adalah
fleksibilitas mekanik yang lebih baik.

166
 Gambar 7.3 Robot Spheris

4. Robot Artikulasi
Robot ini terdiri dari tiga lengan yang dihubungkan
dengan dua Revolute Joint. Elbow Joint menghubungkan Fore Arm
dengan Upper Arm. Shoulder Joint menghubungkan Upper Arm
dengan Base. Struktur robot artikulasi ini dapat dilihat pada
Gambar 7.4.

Gambar 7.4 Robot Artikulasi

167
5. Robot SCARA (Selective Compliance Assembly Robot
Arm)
Robot Assembly bisa didesain menurut koordinat
kartesian, silindris maupun spheris. Pada beberapa aplikasi
hanya membutuhkan sumbu gerak vertikal, misalnya robot
assembly yang memasang komponen pada PCB. Robot seperti
ini mempunyai lengan dengan dua artikulasi, sedangkan wrist
mempunyai gerakan linier dan rolling. Struktur robot assembly
dapat dilihat pada Gambar 7.5.

Gambar 7.5 Robot SCARA

168
7.2 KARAKTERISTIK ROBOT
Ada beberapa unjuk kerja robot yang perlu diketahui,
antara lain:
Resolusi adalah perubahan gerak terkecil yang dapat
diperintahkan oleh sistem kontrol pada lingkup kerja
manipulator.
Akurasi adalah besarnya penyimpangan/deviasi terhadap
masukan yang diketahui
Repeatability adalah kemampuan robot untuk
mengembalikan end effector (pemegang/griper) pada
posisinya semula
Fleksibilitas merupakan kelebihan yang dimiliki oleh
robot secara umum jika dibandingkan dengan mesin
konvensional. Hal ini pun tergantung kepada
pemprogram dalam merencanakan pola geraknya.

7.3 SISTEM PENGGERAK ROBOT

Penggerak diperlukan oleh robot agar robot mampu
bergerak atau berpindah posisinya serta mampu mengangkat
beban pada end effectornya. Macam-macam penggerak yang
biasanya digunakan adalah:
 Penggerak hidrolik
 Penggerak pneumatik
 Penggerak elektrik, tebagi atas:
 Motor servo
 Motor DC
 Motor stepper

169
1. Penggerak Hidrolik
Keuntungan yang didapatkan jika menggunakan
penggerak hidrolik adalah:
 Mampu menghasilkan daya yang besar tanpa
memerlukan roda-roda gigi, cukup dengan pengendalian
aliran fluida
 Piston dapat bergerak secara mulus dan cepat
 Tidak perlu khawatir akan percikan api seperti pada
motor listrik
 Cocok dipakai pada lingkungan kerja yang mudah
terbakar
2. Penggerak Pneumatik
Kelebihan sistem penggerak pneumatik adalah:
 Menggunakan udara sebagai penggerak piston sehingga
lebih murah daripada sistem penggerak hidrolik
 Diperkenankan adanya sedikit kebocoran
 Mempunyai respon lebih cepat daripada sistem
penggerak hidrolik

3. Motor Servo
Motor servo tidak dapat berputar lebih dari 3600. motor
ini dikendalikan oleh lebar pulsa. Pada ukuran lebar pulsa
tertentu motor ini mempunyai posisi tertentu pula.

4. Motor Stepper
Operasi motor ini berdasarkan pulsa listrik. Setiap
pengiriman satu pulsa ke motor maka motor akan bergerak
“selangkah”, yaitu satu putaran sudut kecil misalnya 1,50.
Dengan demikian untuk mencapai sudut dengan derajat

170
tertentu dapat ditentukan dengan jumlah pulsa tertentu pula.
Pengaturan posisi lebih mudah dengan motor stepper.

7.4 END EFFECTOR

Kemampuan robot juga tergantung pada piranti yang
dipasang pada lengan robot. Piranti ini biasanya dikenal dengan
end effector. End effector terbagi atas:
1. Pencengkram (griper) yang digunakan untuk memegang obyek
2. Peralatan (tool) yang digunakan untuk melakukan operasi
tertentu pada suatu obyek. Contohnya :
bor, penyemprot cat, gerinda, las dan sebagainya.

7.5 SENSOR EKSTERNAL

Dalam robotika, sensor eksternal yaitu sensor yang
dipasang di luar robot terbagi menjadi dua
yaitu:
1. Sensor posisi
Sensor posisi non optikal seperti potensiometer, synchro,
resolver, variabel transformer diferensial linier (LDVT)
Sensor posisi optikal seperti opto interrupt, optical encoder

2. Sensor kecepatan
DC tachometer
Optical encoder

7.6 KONFIGURASI SISTEM KONTROL DIGITAL

Meluasnya penerapan sistem kontrol digital dewasa ini
disebabkan beberapa keunggulannya dibandingkan dengan
sistem kontrol analog. Sinyal kontrol digital mempunyai

171
ketahanan terhadap noise, dapat disimpan dan dapat diprogram.
Sistem kontrol ditinjau dari umpan baliknya dibedakan atas:
Loop terbuka, dimana keluaran pada posisi end effector
tidak mempengaruhi pengolahan data berikutnya.
Contoh:

Gambar 7.6 Diagram Loop Terbuka (Open Loop)

Loop tertutup, dimana posisi end effector adalah suatu

faktor yang juga mempengaruhi pengolahan data dan
pengambilan keputusan.
Contoh:

Gambar 7.7 Diagram Loop Tertutup (Closed Loop)

7. 7 GERAKAN ROBOT DAN END EFFECTOR

172
 Dalam gerakan robot, pemrograman dari posisi end
effector dapat dilakukan dengan dua cara:
Pengendalian titik ke titik (point to point), Dalam hal ini
yang dilihat posisi awal dan akhir dari end effector tanpa
mengetahui lintasan yang dilalui.
Pengendalian jalur kontinyu (continous path control)
Lintasan dari end effector digunakan dengan jelas.
Contohnya robot penyemprot cat.

7.8 KOMPONEN MEKANIK

7.8.1 Belt (Tali)
Tali (belt) adalah suatu yang menghubungkan motor
dengan penggerak, dilakukan karena kondisi motor yang tidak
dapat menjangkau rotor. Macam-macam tali diperlihatkan
gambar berikut

Gambar 7.8 Macam-macam tali (Belt)

173
Contoh pemasangan

Gambar 7.9 Pemasangan belt

7.8.2 Rantai (chain)

Rantai atau yang biasa disebut dengan chain sama
fungsinya dengan tali (belt), namun yang berbeda adalah fungsi
dan kegunaannya dalam menggerakkan beban. Ada beban yang
ringan dan ada beban yang berat

174
Gambar 7.10 Rantai Roda (chain)

175
 Gambar 7.11 Pemasangan Rantai dengan Bermacam Teknik

7.8.3 Roda (wheel)

Roda sering digunakan dalam robotika, karena sifatnya
yang mobilitas sehingga kebanyakan perancangannya
menggunakan roda (whelled). Pada sub bab ini akan dipaparkan
mengenai bermacam-macam teknik pemasangan roda.

Gambar 7.12 Metode untuk menggeser beban pada bidang linear

176
Gambar 7.13 Metode pemasangan Posisi Beban yang berdiri di
tengah

Gambar 7.14 Sistem Sepeda

177
Gambar 7.15 Sistem 3 roda dengan roda depan berfunsi sebagai
kemudi

178
Gambar 7.16 Sistem 3 roda dengan kedua roda belakang berfunsi
sebagai kemudi

Gambar 7.17 Sistem 3 roda dengan semua roda berfungsi sebagai

kemudi

Gambar 7.18 Sistem pemasangan gear pada roda belakang dengan

sistem Kemudi yang berbeda
179
 Gambar 7.19 Sistem dengan 4 buah roda

Gambar 7.20 Sistem dengan 4 buah roda yang mobilitas

180
 Gambar 7.21 Sistem dengan 4 roda prinsip mobil
7.8.4 Tank
Selain bentuk roda terdapat juga bentuk tank seperti
diperlihatkan pada gambar berikut

181
Gambar 7.22 Model tank 3 roda

Gambar 7.23 Model Tank 2 Roda

182
 Gambar 7.24 Model Tank 4 roda

Gambar 7.25 Model Tank 2 Roda linear

183
Gambar 7.26 Model roda menggunakan belt

Gambar 7.27 Variasi pemasangan roda

184
 Gambar 7.28 Tank roda ganda

Gambar 7.29 Bentuk pemasngan double roda

185
 Gambar 7.30 Pola Steering (Pengendali)

Gambar 7.31 Pola Steering (Pengendali) model car

186
Gambar 7.32 pola steering dengan 2 roda

Gambar 7.33 pola steering dengan 3 roda

187
 Gambar 7.34 pola steering dengan 2 roda secara paralel
Roda kanan bergerak dan roda kiri diam
7.8.6 Pola Berjalan (walkers)
Selain robot menggunakan roda, ada juga yang
menggunakan kaki untuk berjalan

Gambar 7.35 Pola tungkai

188
Gambar 7.36 Pola animal

Gambar 7.37 Pola spider

189
Gambar 7.38 Pola humanoid

190
Gambar 7.39 Pola spider elastis

191
7.8.7 Pergelangan

192
 Gambar 7.340 Rancang pergelangan
7.8.8 Capit (Grippers)

Gambar 7.41 Pola capit dengan 1 gear

193
 Gambar 7.42 Pola capit dengan 2 gear

Gambar 7.43 Pola capit dengan sistem rangka

194
Gambar 7.44 Pola capit dengan sistem baut

Gambar 7.45 Pola capit berganda

195
Gambar 7.42 Pola capit sistem alir

196
Pengolahan
Citra dalam 8
Robotika

197
 D
ata atau informasi tidak hanya disajikan
dalam bentuk teks, tetapi juga dapat berupa
gambar, audio (bunyi, suara, musik), dan
video. Keempat macam data atau informasi
ini sering disebut multimedia. Era teknologi
informasi saat ini tidak dapat dipisahkan dari multimedia. Situs
web (website) di Internet dibuat semenarik mungkin dengan
menyertakan visualisasi berupa gambar atau video yang dapat
diputar. Beberapa waktu lalu istilah SMS (Short Message Service)
begitu populer bagi pengguna telepon genggam (handphone atau
HP). Tetapi, saat ini orang tidak hanya dapat mengirim pesan
dalam bentuk teks, tetapi juga dapat mengirim pesan berupa
gambar maupun video, yang dikenal dengan layanan MMS
(Multimedia Message Service).
Citra (image) –istilah lain untuk gambar– sebagai salah
satu komponen multimedia memegang peranan sangat penting
sebagai bentuk informasi visual. Citra mempunyai karakteristik
yang tidak dimiliki oleh data teks, yaitu citra kaya dengan
informasi. Ada sebuah peribahasa yang berbunyi “sebuah
gambar bermakna lebih dari seribu kata” (a picture is more than a
thousand words). Maksudnya tentu sebuah gambar dapat
memberikan informasi yang lebih banyak daripada informasi
tersebut disajikan dalam bentuk kata-kata (tekstual). Selain itu,
di dalam bab ini dipaparkan pula bidang-bidang yang berkaitan
dengan pengolahan citra, seperti grafika komputer dan
pengenalan pola.

8.1 PENGERTIAN CITRA

Suatu citra adalah fungsi intensitas 2 dimensi f(x, y),
dimana x dan y adalah koordinat spasial dan f pada titik (x, y)
198
merupakan tingkat kecerahan (brightness) suatu citra pada suatu
titik. Suatu citra diperoleh dari penangkapan kekuatan sinar
yang dipantulkan oleh objek. Gambar 8.1 adalah gambar
penangkapan / penerimaan citra oleh mata manusia. Citra
sebagai output alat perekaman, seperti kamera, dapat bersifat
analag ataupun digital.

Gambar 8.1 proses penangkapan citra

Secara harafiah, citra (image) adalah gambar pada bidang

dwimatra (dua dimensi). Gambar 8.2 adalah citra seorang gadis
model yang bernama Lena, dan gambar di sebelah kanannya
adalah citra kapal di sebuah pelabuhan. Ditinjau dari sudut
pandang matematis, citra merupakan fungsi menerus (continue)
dari intensitas cahaya pada bidang dwimatra. Sumber cahaya
menerangi objek, objek memantulkan kembali sebagian dari
berkas cahaya tersebut. Pantulan cahaya ini ditangkap oleh oleh
alat-alat optik, misalnya mata pada manusia, kamera, pemindai
(scanner), dan sebagainya, sehingga bayangan objek yang disebut
citra tersebut terekam.
Citra sebagai keluaran dari suatu sistem perekaman data
dapat bersifat:
1. Optik berupa foto,

199
 2. Analog berupa sinyal video seperti gambar pada monitor
televisi,
3. Digital yang dapat langsung disimpan pada suatu pita
magnetik.
Citra yang dimaksudkan di dalam keseluruhan isi buku ini
adalah “citra diam” (still images). Citra diam adalah citra tunggal
yang tidak bergerak.

Gambar 8.2 Salah satu bentuk citra (Matlab)

Gambar diatas adalah sebuah citra diam. Untuk

selanjutnya, citra diam kita sebut citra saja.

Gambar 8.3 Teknik sampling dalam pengolahan citra

Perolehan citra digital ini dapat dilakukan secara

langsung oleh kamera digital ataupun melakukan proses

200
konversi suatu citra analog ke citra digital. Untuk mengubah
citra kontinu menjadi digital diperlukan proses pembuatan kisi-
kisi arah horizontal dan vertikal, sehingga diperoleh gambar
dalam bentuk array dua dimensi. Proses tersebut dikenal sebagai
proses digitalisasi/sampling.

8.2 PENGOLAHAN CITRA

Meskipun sebuah citra kaya informasi, namun seringkali
citra yang kita miliki mengalami penurunan mutu (degradasi),
misalnya mengandung cacat atau derau (noise), warnanya terlalu
kontras, kurang tajam, kabur (blurring), dan sebagainya. Tentu
saja citra semacam ini menjadi lebih sulit diinterpretasi karena
informasi yang disampaikan oleh citra tersebut menjadi
berkurang. Agar citra yang mengalami gangguan mudah
diinterpretasi (baik oleh manusia maupun mesin), maka citra
tersebut perlu dimanipulasi menjadi citra lain yang kualitasnya
lebih baik. Bidang studi yang menyangkut hal ini adalah
pengolahan citra (image processing).
Pengolahan citra adalah pemrosesan citra, khususnya
dengan menggunakan komputer, menjadi citra yang kualitasnya
lebih baik. Sebagai contoh, citra burung nuri pada Gambar 1.2
(a) tampak agak gelap, lalu dengan operasi pengolahan citra
kontrasnya diperbaiki sehingga menjadi lebih terang dan tajam
(b). Umumnya, operasi-operasi pada pengolahan citra
diterapkan pada citra bila:
1. Perbaikan atau memodifikasi citra perlu dilakukan
untuk meningkatkan kualitas penampakan atau untuk
menonjolkan beberapa aspek informasi yang terkandung
di dalam citra,

201
 2. Elemen di dalam citra perlu dikelompokkan,
dicocokkan, atau diukur,
3. Sebagian citra perlu digabung dengan bagian citra yang
lain.
Di dalam bidang komputer, sebenarnya ada tiga bidang studi
yang berkaitan dengan data citra, namun tujuan ketiganya
berbeda, yaitu:
1. Grafika Komputer (computer graphics).
2. Pengolahan Citra (image processing).
3. Pengenalan Pola (pattern recognition/image interpretation).
Hubungan antara ketiga bidang (grafika komputer, pengolahan
citra, pengenalan pola) ditunjukkan pada Gambar berikut:

Gambar 8.4 Tiga bidang studi yang berkaitan dengan citra

Grafika Komputer bertujuan menghasilkan citra (lebih tepat

disebut grafik atau picture) dengan primitif-primitif geometri
seperti garis, lingkaran, dan sebagainya. Primitif-primitif
geometri tersebut memerlukan data deskriptif untuk melukis
elemen-elemen gambar. Contoh data deskriptif adalah
koordinat titik, panjang garis, jari-jari lingkaran, tebal garis,

202
warna, dan sebagainya. Grafika komputer memainkan peranan
penting dalam visualisasi dan virtual reality.

Gambar 8.5 Grafika komputer

Contoh grafika komputer misalnya menggambar sebuah

„rumah‟ yang dibentuk oleh garis-garis lurus, dengan data
masukan berupa koordinat awal dan koordinat ujung garis
(Gambar 8.6).

8.3 SISTEM VISUAL MANUSIA

Kita perlu memperhatikan konsep system visual manusia
dalam pengolahan citra, sebab proses tersebut sangat identik
dengan proses pengolahan citra. Ketika manusia menangkap
citra di mata, maka prinsip tersebut juga diterapkan oleh
pengolahan citra untuk mengambil citra dari suatu alat sensor
citra. Dari informasi citra yang ditangkap oleh mata, kemudian
diproses untuk mengidentifikasikan citra tersebut. Beberapa
pertanyaan sederhana yang muncul berkaitan dengan system
vision manusia:
• Intensitas cahaya apa yang dapat kita bedakan?
• Apa resolusi spasial mata manusia ?
• Berapa akurat estimasi kita ketika membandingkan jarak
dan luas area?
• Bagaimana sense manusia terhadap warna?

203
 (a) (b)
Gambar 8.6 Program Grafika Komputer untuk membuat gambar
‘rumah

Gambar 8.7 Sistem Visual Manusia terhadap warna

Sistem penangkapan citra pada mata manusia. Intensitas

cahaya ditangkap oleh diagram iris dan diteruskan ke bagian
retina mata. Kemudian bayangan obyek pada retina mata
dibentuk dengan mengikuti konsep sistem optik dimana fokus
lensa terletak antara retina dan lensa mata. Mata dan syaraf otak
dapat menginterpretasi bayangan yang merupakan obyek pada
posisi terbalik.
Pada system mata manusia terdapat bagian: Fovea di
bagian retina terdiri dari dua jenis receptor:Sejumlah (6-7 juta)
204
cone receptor, sensitif terhadap warna, vision cone disebut
photocopic vision atau bright light vision Sejumlah rod receptor
(75-150 juta) terletak pada permukaan retina, memberikan
gambar keseluruhan pandangan dan sensitif terhadap iluminasi
tingkat rendah, vision rod disebut scotopic vision atau dim-light
vision.
Vision adalah proses mengetahui melalui penglihatan
atau gambaran citra-citra mengenai objek-objek apa yang ada di
dunia ini dan dimana objek tersebut terletak. Jadi vision adalah
gugus tugas untuk mengolah informasi selain pendengaran pada
manusia. “computer vision” atau penglihatan komputer, yaitu
gabungan dari pengolahan citra dan kecerdasan buatan.
Penglihatan komputer membutuhkan pengolahan citra tingkat
rendah untuk meningkatkan kualitas citra (misalnya
menghilangkan derau, meningkatkan kontras), dan tingkat lebih
tinggi dari pengenalan pola dan pemahaman citra yaitu persepsi
visual, yang merupakan salah satu masalah sulit dalam
kecerdasan buatan. Kita tahu banyak hal mengenai penglihatan
manusia, tetapi masih sangat sulit untuk menirunya. Sebagian
besar usaha dalam pengolahan citra dilakukan menggunakan
pendekatan linier. Setelah komputer memiliki sumber-sumber
yang cukup besar, maka usaha diarahkan untuk mencari bagian
tidak-linier dari pengolahan citra.

8.3 PEMANFAATAN PENGOLAHAN CITRA

Manfaat pengolahan citra adalah menunjang kebutuhan
kehidupan seharisahari khususnya untuk :
• Memfasilitasi penyimpanan dan transmisi citra seperti
menentukan metode penyimpanan citra yang efisien
dalam suatu kamera digital sehingga mempercepat proses
205
 pengirim citra dari jarak jauh misalkan dari planet Mars
ke Bumi.
• Menyiapkan untuk ditampilkan di monitor atau di
cetak. Proses yang dilakukan adalah melakukan merubah
ukuran citra yang dharus disesuaikan dengan ukuran
media tampilan serta proses halftoning untuk proses
pencetakan.
• Meningkatkan dan memperbaiki citra dengan
menghilangkan goresan goresan pada ataupun
meningkatkan visibilitas citra
• Ekstrasi informasi citra misalkan character recognizing,
pengukuran plusi air dari citra aerial
• Dalam bidang robotika, mendeteksi objek dengan
perbedaan intensitas warna.

8.4 KOMPUTER VISI

Terminologi yang berkaitan dengan analisa tekstur
adalah komputer visi atau mechine vision. Pada hakikatnya,
komputer visi mencoba meniru cara kerja sistem visual manusia
(human vision). Komputer visi merupakan proses otomatisasi
yang mengintegrasikan sejumlah besar proses untuk persepsi
visual, seperti akuisis citra, pengolahan citra, klasifikasi,
pengenalan (recognition), dan membuat keputusan.
Proses-proses di dalam komputer visi dapat dibagi
menjadi tiga aktivitas:
 Memperoleh atau mengakuisis citra digital.
 Melakukan teknik komputasi untuk memperoleh citra atau
memodifikasidata citra (operasi-operasi pengolahan citra).

206
  Menganalisis dan menginterpretasi citra dan menggunakan
hasil pemrosesan atau tujuan tertentu, misalnya memandu
robot, mengontrol peralatan, memantau manufaktur, dan
lain-lain.
Analisis tekstur bertujuan untuk mengidentifikasi
parameter-parameter yang diasosiasikan dengan ciri dari objek
di dalam citra. Analisis tekstur penting dan berguna dalam
bidang komputer visi. Analisis tekstur bekerja dengan
mengamati pola ketergantungan antar piksel dalam domain
spasial. Dua persoalan yang seringkali berkaitan dengan analisis
tekstur adalah:
 Ekstraksi ciri (feature extraction),
Ekstraksi ciri merupakan langkah awal dalam melakukan
klasifikasi dan interpretasi citra. Proses ini berkaitan dengan
kuantitas karakteristik citra ke dalam sekelompok nilai ciri
yang sesuai.
 Segmentasi citra
Segmentasi citra merupakan proses yang bertujuan untuk
memisahkan suatu daerah pada citra dengan daerah
lainnya.
8.5 PENGGUNAAN CMU CAM DALAM ROBOTIKA
Contoh Aplikasi :Desain dan Realisasi Pemrosesan Citra
dengan CMUcam4 untuk Meningkatkan Kinerja Visual
Robosoccer (Asep Najmurrokhman, 2016)
Kemampuan yang dimiliki oleh sebuah robosoccer adalah
identifikasi terhadap bola, pemain dalam satu tim, pemain
lawan, dan gawang. Kemampuan tersebut harus ditunjang oleh
kinerja visual robosoccer dalam mengenali objek yang ada di
sekelilingnya. Beberapa peneliti telah melaporkan tentang
strategi dan algoritma dalam mengenali objek bola dalam
207
aplikasi robosoccer (H. Zang, 2013). Diagram blok sistem
robosoccer yang dibangun dalam penelitian diperlihatkan dalam
Gambar 8.8. Sistem tersebut terdiri atas sebuah pengendali
utama berupa mikrokontroler Arduino Uno, mikrokontroler
CM-510 sebagai pengendali motor servo untuk menggerakkan
robot, sensor kompas sebagai pemandu navigasi robot, dan
sensor kamera yang digerakkan oleh motor servo. Sensor
kamera yang terpasang pada robot tersebut merupakan
pemandu visual robot dalam mengenali objek yang ada di
sekelilingnya.

Gambar 8.8 Diagram blok sistem robosoccer (Asep

Najmurrokhman, 2016)

Sebuah modul sensor elektronis yang sudah dilengkapi dengan

prosesor pengolah citra dipasang untuk meningkatkan kinerja
visual robosoccer. Modul sensor yang digunakan tersebut disebut
sebagai CMUcam. CMUcam terdiri dari kamera kecil dan
mikrokontroler dengan antarmuka serial. Antarmuka yang
ringan pada CMUcam memungkinkan untuk dapat diprogram
208
oleh mikrokontroler, seri CMUcam yang digunakan bertipe
CMUcam4. Versi tersebut memiliki modul kamera yang dapat
digunakan untuk berbagai macam aplikasi dan mampu
dihubungkan dengan kontroler utama, seperti PC atau Arduino
(AVR). Berbasiskan prosesor utama Parallax P8X32A yang
merupakan propeller chip dimana terdapat 8 buah prosesor di
dalam chip tersebut, modul kamera ini mampu mengakomodasi
pengolahan gambar digital dengan cepat dan data tersebut dapat
dibaca dengan mudah oleh mikrokontroler, seperti Arduino
Uno. Bentuk fisik CMUcam4 diperlihatkan dalam Gambar 8.9.
Selain memiliki prosesor utama yang cukup tinggi
spesifikasinya, CMUcam4 juga menggunakan sensor kamera
CMOS OV9665 1.3 MegaPixel yang telah dilengkapi dengan
lensa kamera dengan ukuran yang lebih kecil jika dibandingkan
dengan CMUcam versi sebelumnya. Selain perbaikan dari sisi
fitur dari pengolahan gambar digital, CMUcam4 juga
menyediakan tambahan fitur TV-Out yang mampu
menampilkan gambar di TV.
Konfigurasi yang paling umum untuk CMUcam4 adalah
untuk berkomunikasi dengan prosesor utama yaitu melalui port
serial TTL menggunakan port TX RX pada komputer (melalui
USB atau RS232), Arduino, Basic Stamp, PIC, atau
mikrokontroler yang sama. CMUcam4 cukup sederhana untuk
embedded system yang tidak memerlukan komputer untuk
memprogramnya karena prosesor utama CMUcam4 ini telah
diisi dengan program untuk membaca dan melacak gambar.
Pada CMUcam4 juga terdapat beberapa protocol atau command
untuk mengendalikan kamera tanpa di koneksikan dengan
komputer cukup dengan mikrokontroler sebagai pengendali
pengganti komputer.
209
 Gambar 8.9. Board CMUcam4 (http://www.cmucam.org)

Untuk mengoperasikan CMUcam4, sebuah perangkat

lunak yang disebut dengan CMUcam4GUI telah dibangun
untuk mengoperasikan kamera CMUcam4. CMUcam4GUI
dapat mengambil gambar dan ditampilkan pada monitor
komputer. Gambar yang akan dilacak tersebut dapat diberi
kotak untuk dapat dihitung lebar pikselnya dan dapat diberi
batas-batas pelacakannya. Dengan menggunakan
CMUcam4GUI, batas pelacakan warna untuk sebuah objek
dapat ditentukan dengan cepat dalam satu adegan pencahayaan
dan memperluas batas pelacakan warna untuk mendukung
pelacakan objek dalam mengubah adegan pencahayaannya.
CMUcam4GUI juga memungkinkan untuk melihat apa yang
dilacak dengan CMUcam4 secara real time tanpa TV dengan
menampilkan isi dari pelacakan berupa histogram dan bingkai
grafis yang dikirim oleh CMUcam4. Tampilan CMUcam4GUI
diperlihatkan pada Gambar 8.10.

210
 Gambar 8.10. Tampilan CMUcam4GUI. (Asep
Najmurrokhman, 2016)

Metoda Pelacakan Warna dengan Kamera CMUcam4 (A.

Goode, 2014)
Pelacakan warna adalah kemampuan untuk mengambil
suatu gambar, mengisolasi warna tertentu, dan mengekstrak
informasi tentang lokasi suatu daerah gambar yang berisi warna
tertentu. Untuk menentukan warna tersebut, diperlukan nilai
minimum dan nilai maksimum untuk tiga kanal warna. Setiap
warna yang unik diwakili oleh nilai merah, hijau dan biru
(RGB) yang mengindikasikan berapa banyak setiap warna pada
kanal tersebut dicampur. Pada CMUcam4, setiap kanal warna

211
tersebut memiliki batasan nilai dari 0 (nol) sampai 255 sehingga
diperlukan enam nilai yang merepresentasikan nilai minimum
dan maksimum setiap kanal warna yang ingin dilacak. Setelah
ditentukan, CMUcam4 mengambil nilaitersebut dan memulai
untuk memproses gambar. Banyak metoda yang dapat dipakai
untuk melacak warna, CMUcam4 mengambil metoda yang
sederhana yaitu memproses setiap frame gambar dari kamera
secara terpisah. Dimulai dari bagian atas kiri gambar dan secara
berurutan meneliti setiap piksel baris demi baris. Jika piksel
tersebut memenuhi nilai warna yang ingin dilacak maka posisi
tersebut ditandai. Nilai-nilai tersebut kemudian digunakan
untuk mengetahui posisi kiri atas, kiri bawah, kanan atas dan
kanan bawah dari warna yang terlacak pada gambar sehingga
terbentuk kotak yang melingkupi warna yang diinginkan
tersebut. Pada akhir gambar, CMUcam4 menjumlahkan nilai
piksel yang terdapat pada kotak tersebut dan mencari titik
tengah dari kotak tersebut. Oleh karena itu, informasi yang
dikeluarkan dalam pelacakan warna pada CMUcam4 berupa
posisi x awal, y awal, x akhir, y akhir, titik tengah x, titik tengah
y, dan jumlah piksel seperti yang diperlihatkan dalam Gambar
8.11.

Gambar 8.11 Pelacakan warna (Asep Najmurrokhman, 2016)

212
Mikrokontroller
dalam Aplikasi 9
Robotika

213
9.1 SISTIM PENSAKLARAN DENGAN
MIKROKONTROLER
Pengertian sistem (system) menurut Ogata dalam
terjemahan Leksono (1984) adalah kombinasi dari beberapa
komponen yang bekerja bersama-sama dan melakukan suatu
sasaran tertentu. Sedangkan Pensaklaran adalah suatu
objek/alat dalam melakukan tindakan untuk memutus dan
menyambungkan suatu siyal keluaran, dalam hal ini adalah
sumber arus yang akan mengalir pada motor-motor yang akan
dikendalikan. Perencanaan pada rangkaian kontrol, pensaklaran
dibagi atas dua bagian yang saling berkaitan satu dan yang
lainnya yaitu rangkaian kontrol utama sebagai penterjemah data
yang berasal dari pemancar melalui sensor yaitu Mikrokontroler.
Kemudian yang kedua adalah rangkaian Pensaklaran yang
berfungsi untuk menyambung dan memutuskan arus pada
motor yang akan digerakkan, sesuai dengan instruksi dari
pemancar melalui sensor merah infra -infra red- (pada penerima
yang telah diterjemahkan terlebih dahulu oleh modul
Mikrokontroler (kontrol utama pada pensaklaran untuk
mengaktifkan relai-relai). Tugas-tugas pengontrolan secara
langsung akan dilakukan oleh relai dalam menyambung dan
memutuskan sumber arus pada motor-motor yang akan
dikendalikan. Dengan kemampuannya, maka Mikrokontroler
dan relai yang saling berkaitan dapat menangani fungsi
kontroler dan pengaturan sebagai suatu pensaklaran.
Dari segi fisik sistem pensaklaran pada rancang bangun
robot ini, terdiri dari beberapa alat yang secara keseluruhan atau
bersama-sama merupakan suatu sistem. Kemampuan
Mikrokontroler dalam penterjemah dan penyimpanan data
secara logis berupa delapan digit yang berasal dari pemancar
214
memberikan kemungkinan pada kontroler/pensaklaran untuk
dapat menggerakkan pengendali beban dengan pulsa-pulsa
positif secara akurat. Disamping itu Mikrokontroler yang
memiliki keluaran port 0, port 1, port 2, port 3, dapat
melaksanakan pengendalian relai untuk menggerakan beban
(motor-motor) dalam jumlah yang lebih, sehingga dapat di
aplikasikan pada pengendalian beberapa motor penggerak
robot. Port-port yang ada pada modul Mikrokontroler dapat
digunakan sebagai I/O (input dan output) dalam pentransferan
data. Port 0 dan port 2 dalam rancangan alat ini digunakan
sebagai output data kontroler relai dan kita katakan juga sebagai
port A (port 0) serta port B (port 2). Sedangkan port 3 disini
digunakan sebagai input data masukan dari sensor penerima
dan port 1 diabaikan (tidak digunakan).

9.3 PERBEDAAN MIKROKONTROLER DENGAN

MIKROPROSESOR
Terdapat perbedaan yang signifikan antara
mikrokontroler dan mikroprosessor. Perbedaan yang utama
antara keduanya dapat dilihat dari dua faktor utama yaitu
arsitektur perangkat keras (hardware architecture) dan aplikasi
masing-masing. Ditinjau dari segi arsitekturnya, mikroprosesor
hanya merupakan single chip CPU, sedangkan mikrokontroler
dalam IC-nya selain CPU juga terdapat device lain yang
memungkinkan mikrokontroler berfungsi sebagai suatu single
chip computer. Dalam sebuah IC mikrokontroler telah terdapat
ROM, RAM, EPROM, serial interface dan paralel interface,
timer, interrupt controller, konverter Anlog ke Digital, dan
lainnya (tergantung feature yang melengkapi mikrokontroler
tersebut). Sedangkan dari segi aplikasinya, mikroprosessor hanya
215
berfungsi sebagai Central Processing Unit yang menjadi otak
komputer, sedangkan mikrokontroller, dalam bentuknya yang
mungil, pada umumnya ditujukan untuk melakukan tugas–
tugas yang berorientasi kontrol pada rangkaian yang
membutuhkan jumlah komponen minimum dan biaya rendah
(low cost).
9.4 APLIKASI MIKROKONTROLLER
Karena kemampuannya yang tinggi, bentuknya yang
kecil, konsumsi dayanya yang rendah, dan harga yang murah
maka mikrokontroler begitu banyak digunakan di dunia.
Mikrokontroler digunakan mulai dari mainan anak-anak,
perangkat elektronik rumah tangga, perangkat pendukung
otomotif, peralatan industri, peralatan telekomunikasi,
peralatan medis dan kedokteran, sampai dengan pengendali
robot serta persenjataan militer. Terdapat beberapa keunggulan
yang diharapkan dari alat-alat yang berbasis mikrokontroler
(microcontroller-based solutions) :
 Kehandalan tinggi (high reliability) dan kemudahan
integrasi dengan komponen lain (high degree of
integration)
 Ukuran yang semakin dapat diperkecil (reduced in size)
 Penggunaan komponen dipersedikit (reduced
component count) yang juga akan menyebabkan biaya
produksi dapat semakin ditekan (lower manufacturing
cost)
 Waktu pembuatan lebih singkat (shorter development
time) sehingga lebih cepat pula dijual ke pasar sesuai
kebutuhan (shorter time to market)
 Konsumsi daya yang rendah (lower power consumption)

216
 Contoh sederhana penggunaan mikrokontroler, dapat
kita lihat di sekitar lingkungan ada toaster, mesin
cuci, microwave, magic com, lampu lalulintas, kemudian di
dunia pertanian kita dapat membuat kontrol kelembaban untuk
budidaya jamur, di dunia perikanan kita dapat mengendalikan
suhu air kolam. Bahkan kita dapat membuat PABX mini, SMS
Gateway, atau ke arah militer kita mampu menciptakan radio
militer frekuensihopping (radio komunikasi anti sadap dengan
lompatan frekuensi 100 kali dalam 1 detik), sistem pemantau
cuaca menggunakan balon udara, Automatic Vehicel
Locator(menggunakan GPS) dan sebagainya.
Adapun berbagai peranan mikroprosesor, antara lain:

1. Pengendali Motor dengan Remote Sony.

Fungsi aplikasi adalah mengatur arah putaran motor DC
dengan menggunakan remote control Sony. Menggunakan Small
System AT89205

2. Sensor Warna TCS230.

TCS230 adalah konverter warna cahaya ke frekuensi. Ada dua
komponen utama pembentuk IC ini, yaitu photodioda dan
pengkonversi arus ke frekuensi.

3. Jam Digital dengan Bahasa C

Modul DST-51 sebagai central pemroses, LCD Hitachi
digunakan untuk menampilkan data waktu yang berupa detik,
menit, jam, hari, tanggal, bulan dan tahun. Modul RTC-1287
sebagai sumber data waktu yang akan ditampilkan, dan Key-44
sebagai input untuk menset waktu.

217
4. Pengamanan Berdasarkan Pola Sidik Jari Yang
Tersimpan Pada Kartu Pintar.
MikrokontrolerDT51 MinSys menjadikan suatu basis yang
dapat berdiri sendiri dan sangat diminati serta banyak manfaat
yang berguna bagi para pecinta perangkat keras yang
berbasiskan pemprograman bahasa mesin yang menunjang
sistem keamanan tersebut. Perangkat ini dapat bekerja secara
normal (online) dengan keadaan mikrokontroler DT51 MinSys
dan komputer beserta program bekerja dengan baik, namun
dapat juga bekerja walaupun dalam keadaan listrik padam atau
disebut juga bekerja secara mandiri (offline), karena
disediakannya suplai tegangan yang berasal dari catu daya dan
juga ada sumber tegangan yang lain berasal dari bateri yang
dapat diisi ulang dan berkesinambungan. Papan tekan yang
dikendalikan oleh mikrokontroler DT51 MinSys digunakan
sebagai alat masukan yang berbentuk kode. Liquid Crystal
Display (LCD) dijadikan sebagai penampil dari aktifitas kegiatan
sistem pengamanan tersebut. Dalam penggunaan sistem
pengamanan yang berbasiskan mikrokontroler DT51 MinSys ini
hanya pengguna yang mengetahui kode akses dan memiliki
kartu pintar serta pola sidik jari yang telah tersimpan didalam
kartu pintar yang berhak masuk kedalam sistem pengamanan
yang berbasiskan pola sidik jari. Percobaan yang dilakukan
bertujuan untuk mengetahui kestabilan, kecepatan,
kompatibilitas, info program, tingkat keamanan yang tinggi
serta menunjukkan hasil yang baik.

5. Pengendali Penerangan Ruangan

Berbasis Mikrokontroler ATMEGA8535

218
Sebagai pengendali utama pada sistem menggunakan
miktokontroller ATmega8535 dengan input dari sensor cahaya
(LDR). Output dari pendendali selanjutnya ditampilkan LCD
M1632 sebagai penampil dan sebagai input rangkaian pengatur
tegangan. Sistem ini bekerja di dalam ruangan (in door)
menggunakan maket rumah dengan tiga ruangan sebagai model.
Dalam pengujian perangkat keras dan lunak, diketahui bahwa
system pengendalian penerangan ruangan ini dapat menghemat
energi. Dari pengujian sensor cahaya diperoleh hubungan
antara luminansi dan tegangan yang mendekati linier, sehingga
pengendalian dengan mikrokontroler ATmega8535 dapat
bekerja dengan baik.

6. Sistem Pengendalian Suhu Menggunakan

AT89S51dengan Tampilan di PC
Hasil suhu di ruangan bisa diset dan ditampilkan di komputer.
Sistem yang dibuat ini memanfaatkan kemampuan
mikrokontroler AT89S51 dalam akuisisi data dan mengambil
keputusan. Kawasan suhu yang bisa di kendalikan adalah 230
Celcius sampai dengan 400 Celcius. Hasil pengujian dengan
termometer menunjukan sistem dibuat ini mampu
mempertahankan suhu yang dikehendaki pada daerah di sekitar
sensor dalam radius 2 cm, untuk radius lebih besar 2 cm dari
sensor suhu, suhu yang terukur oleh termometer adalah
berbeda.

7. Monitoring Debit Air dan Alat Penggerak Pintu

Air di Bendungan
Dalam hal ini digunakan mikrokontroUer AT89C51 sebagai
unit penerima danpengirim data biner. Sedangkan sebagai
219
media komunikasi yang digunakan adalah serial RS-232. Selain
untuk memonitor debit air penggunaan komunikasi
mikrokontroller AT89C5 I dan komputer memungkinkan
untuk pengendalian gerakan motor sebagai penggerak pintu
bendungan dari pusat pantau juga.

8. Sistem keamanan ruangan menggunakan sensor passive

infra red (PIR) KC7783R dengan Mikrokontroler AT89S51
Perangkat lunak mikrokontroler dalam penelitian ini dibuat
dengan menggunakan bahasa assembly. Alarm akan aktif setiap
waktu jika da gerakan manusia. Sistem ini bekerja setelah PIR
sensor KC7783R mendeteksi gerakan manusia, maka PIR
sensor KC7783R akan mengirim sinyal ke mikrokontroler,
kemudian mikrokontroler menyalakan alarm yang diwakili oleh
buzzer. Sistem ini telah terealisasi dan dapat dijadikan sistem
keamanan dengan membunyikan alarm secara otomatis.
Apabila ada orang yang mendekat pada saat yang tidak
diinginkan, maka alarm akan berbunyi.

Beberapa pertimbangan penggunaan microcontroller pada

Industri:
 Standart tegangan pada industri.
 Bahasa Pemrograman.
 Keadaan Lingkungan sekitar(temperatur ,humidity,debu
dll).
 Waktu Penggunaan 24 jam, 7hari.
 Interferensi sinyal.
 Noise.
 Kemudahan dlm Perawatan.
 Kemudahan Operasional buat teknisi/operator.

220
  Display / indikator / status.
 Qualitas Hardware (komponen,PCB,circuit dll)
 Tampilan Casing Simple / Kompak & Kuat.
 Input Bouncing.
 Komunikasi dgn PC (data logger ataupun real Time)
 Watchdog timer.
 Data tdk hilang ketika power off.
 Manual book / Work Instruction.
 extending/upgrading hardware & software.

Contoh Aplikasi Mikrokotroler di Industri

 Aplikasi Andon (display Out produksi, Produk NG,
Progress dll)
 Aplikasi Remote Input-Output
 Aplikasi Control
 Aplikasi Monitorung
 Aplikasi Data Logger
 Aplikasi Timbangan Digital
 Automatisasi
 dll

9.5 PERKEMBANGAN MIKROKONTROLLER

Karena kebutuhan yang tinggi terhadap “chip-chip
pintar” dengan berbagai fasilitasnya, maka berbagai vendor juga
berlomba untuk menawarkan produk-produk
mikrokontrolernya. Hal tersebut terjadi semenjak tahun 1970-
an. Motorola mengeluarkan seri mikrokontroler 6800 yang
terus dikembangkan hingga sekarang menjadi 68HC05,
68HC08, 68HC11, 68HC12, dan 68HC16. Zilog juga
mengeluarkan seri mikroprosesor Z80-nya yang terkenal dan
221
terus dikembangkan hingga kini menjadi Z180 dan kemudian
diadopsi juga oleh mikroprosesor Rabbit. Intel mengeluarkan
mikrokontrolernya yang populer di dunia yaitu 8051, yang
karena begitu populernya maka arsitektur 8051 tersebut
kemudian diadopsi oleh vendor lain seperti Phillips, Siemens,
Atmel, dan vendor-vendor lain dalam produk mikrokontroler
mereka. Selain itu masih ada mikrokontroler populer lainnya
seperti Basic Stamps, PIC dari Microchip, MSP 430 dari Texas
Instrument dan masih banyak lagi.
Selain mikroprosesor dan mikrokontroler, sebenarnya
telah bemunculan chip-chip pintar lain seperti DSP prosesor
dan Application Spesific Integrated Circuit (ASIC). Di masa depan,
chip-chip mungil berkemampuan sangat tinggi akan
mendominasi semua desain elektronik di dunia sehingga
mampu memberikan kemampuan komputasi yang tinggi serta
meminimumkan jumlah komponen-komponen konvensional.

9.6 Mikrokontroler MCS-51

Mikrokontroler dengan arsitektur MCS-51 merupakan
salah satu jenis arsitektur mikrokontroler yang paling lama,
paling populer dan paling banyak digunakan di dunia.
Arsitektur ini dikeluarkan pertama kali oleh Intel dan
kemudian menjadi banyak dipakai dan dipelajari di seluruh
dunia.
Berbagai seri mikrokontroler berarsitektur MCS-51 telah
diproduksi oleh berbagai vendor dan digunakan di dunia
sebagai mikrokontroler yang bersifat low cost dan high
performance. Di Indonesia, mikrokontroler MCS-51 banyak
dipakai karena telah lama populer, mudah untuk didapatkan,
dan harganya yang murah. Antar seri mikrokontroler
222
berarsitektur MCS-51 memiliki beragam tipe dan fasilitas,
namun kesemuanya memiliki arsitektur yang sama, dan juga set
instruksi yang relatif tidak berbeda. Berikut tabel perbandingan
beberapa seri mikrokontroler MCS-51 buatan Atmel.

Tabel 9.1 Tabel perbandingan beberapa seri mikrokontroler

MCS-51 buatan Atmel.

Keterangan:
 Flash adalah suatu jenis Read Only Memory yang biasanya
diisi dengan program hasil buatan manusia yang harus
dijalankan oleh mikrokontroler
 RAM (Random Acces Memory) merupakan memori yang
membantu CPU untuk penyimpanan data sementara dan
pengolahan data ketika program sedang running
 EEPROM (Electrically Erasable Programmable Read Only
Memory) adalah memori untuk penyimpanan data secara
permanen oleh program yang sedang running

223
 Pin I/O adalah kaki untuk jalur keluar atau masuk sinyal
sebagai hasil keluaran ataupun masukan bagi program
Timer adalah modul dalam hardware yang bekerja untuk
menghitung waktu/pulsa
 UART (Universal Asynchronous Receive Transmit) adalah jalur
komunikasi data khusus secara serial asynchronous
 SPI (Serial Peripheral Interface) adalah jalur komunikasi data
khusus secara serial secara serial synchronous
 ISP (In System Programming) adalah kemampuan khusus
mikrokontroler untuk dapat diprogram langsung dalam
sistem rangkaiannya dengan membutuhkan jumlah pin
yang minimal

9.7 ARSITEKTUR MIKROKONTROLER MCS-51

Prosesor atau mikroprosesor adalah suatu perangkat
digital berupa Chip atau IC (Integrated Circuit) yang digunakan
untuk memproses data biner. Alat ini berisi ALU (Arithmetic and
Logic Unit), register-register, Control Unit dan sistem interkoneksi
atau BUS internal. Bila sebuah prosesor dilengkapi dengan
memory (RAM & ROM) dan fasilitas Input/Output internal,
biasanya disebut mikrokontroler. 8051 merupakan
mikrokontroler buatan Intel corp yang merupakan bagian dari
keluarga MCS-51. Semua fasilitas sebuah sistem mikroprosesor
yang terdiri dari prosesor, memory dan I/O dikemas dalam
keping tunggal atau single chip IC. Dengan cara ini, maka
pengguna atau user tidak perlu melengkapi keping tunggal ini
dengan beragam IC lain seperti clock generator, addres latcher, chip
selector, memory dan PPI (Programmable Peripheral Interface) atau
lainnya.

224
 Variasi register di dalam sebuah mikroprosesor sangat
beragam bergantung pada tipe, fungsi khusus yang diinginkan
dan pabrik pembuatnya. Karena mikrokontroler telah
dilengkapi dengan berbagai peripheral yang sudah terdapat pada
satu chip IC maka mikrokontroler memiliki keunggulan berikut
ini :
a. Harga yang lebih ekonomis .
b. Sistem yang jauh lebih kompak dan ringkas.
c. Tingkat keamanan dan akurasi yang lebih baik.
d. Kemudahan dalam penggunaannya untuk sistem yang
berbasis mikrokontroler.
Berdasarkan perbedaan dalam aplikasi dan fasilitas,
mikrokontroler mempunyai set instruksi (Instruction Set) yang
berbeda dengan mikroprosesor lainnya. Set instruksi
mikroprosesor tersebut bersifat processing intensive untuk operasi
data volume besar, yang dapat beroperasi secara bit, nibble, byte
atau word. Beragam mode pengalamatan (addressing mode)
memungkinkan akses ke lokasi dapat dilakukan secara fleksibel
baik data array yang besar, memakai pointer alamat, offset dan
lain-lain. Di sisi lain mikrokontroler mempunyai instruksi yang
bekaitan dengan kontrol dari Input dan Output. Antaramuka
(interfacing) ke berbagai Input dan Output dapat dilakukan
dengan operasi bit maupun byte.
AT89C51 merupakan prosesor 8-bit dengan low power
supply dan performansi tinggi yang terdiri dari CMOS dengan
Flash Programmable dan Erasable Read Only Memory (PEROM)
sebesar 4 Kbyte didalamnya. Alat tersebut dibuat dengan
menggunakan teknologi tinggi non-volatile berdensitas tinggi dari
ATMEL yang kompatibel dengan keluarga MCS-51 buatan Intel
yang merupakan standar industri. Dengan menggunakan flash
225
memori, program dapat diisi dan dihapus secara elektrik, yaitu
dengan memberikan kondisi-kondisi tertentu (high / low) pada
pinpinnya sesuai dengan konfigurasi untuk memprogram atau
menghapus. Cara ini lebih praktis
Arsitektur mikrokontroler MCS-51 diotaki oleh CPU 8
bit yang terhubung melalui satu jalur bus dengan memori
penyimpanan berupa RAM dan ROM serta jalur I/O berupa
port bit I/O dan port serial. Selain itu terdapat fasilitas
timer/counter internal dan jalur interface address dan data ke
memori eksternal. Blok sistem mikrokontroler MCS-51 adalah
sebagai berikut.
Salah satu tipe mikrokontroler arsitektur MCS-51 yang banyak
digunakan saat ini adalah tipe Atmel 89S51. Tipe ini banyak
digunakan karena memiliki fasilitas on-chip flash memory dan
In System Programming. Berikut adalah feature-feature untuk
mikrokontroler tipe 89S51 buatan Atmel.
 4K bytes Flash
 ROM 128 bytes RAM 4 port @ 8-bit
 I/O (Input/Output) port 2 buah 16 bit timer
 Interface komunikasi serial
 64K pengalamatan code (program) memori
 64K pengalamatan data memori
 Prosesor Boolean (satu bit – satu bit) 210 lokasi bit-
addressable
 Fasilitas In System Programming (ISP)

226
Gambar 9.1 Blok sistem Mikrokontroller MCS-51

227
9.8 MEMORY MAP MIKROKONTROLER MCS-51

Gambar 9.2 Memory MAP MCS-51

228
9.9 PENJELASAN FUNGSI PIN MIKROKONTROLER
MCS-51
IC mikrokontroler dikemas (packaging) dalam bentuk
yang berbeda. Namun pada dasarnya fungsi kaki yang ada pada
IC memiliki persamaan. Gambar salah satu bentuk IC seri
mikrokontroler MCS-51 dapat dilihat berikut.

Gambar 9.3 PIN mikrokontroller

229
Berikut adalah penjelasan fungsi tiap kaki yang biasa ada pada
seri mikrokontroler MCS-51.
A. Port 0
Merupakan dual-purpose port (port yang memiliki dua
kegunaan). Pada desain yang minimum (sederhana) digunakan
sebagai port I/O (Input/Output). Pada desain lebih lanjut pada
perancangan dengan memori eksternal digunakan sebagai data
dan address yang di-multiplex. Port 0 terdapat pada pin 32-39.
B. Port 1
Merupakan port yang hanya berfungsi sebagai port I/O, kecuali
pada IC 89S52 yang menggunakan P1.0 dan P1.1 sebagai input
eksternal untuk timer ketiga (T3). Port 1 terdapat pada pin 1-8.
C. Port 2
Merupakan dual-purpose port. Pada desain minimum
digunakan sebagai port I/O. Pada desain lebih lanjut digunakan
sebagai high byte dari address. Port 2 terdapat pada pin 21-28.
D. Port 3
Merupakan dual-purpose port. Selain sebagai port I/O juga
mempunyai fungsi khusus yang ditunjukkan pada tabel berikut.

230
Port P3.2 merupakan eksternal interupt 0 dan P3.3 merupakan
eksternal interupt 1. Interrupt merupakan suatu panggilan yang
memaksa mikrokontroler untuk menunda program yang sedang
dijalankan dan menjalankan proses yang terdapat di interrupt
tersebut sampai proses tersebut diselesaikan, sesudah itu
mikrokontroler akan melaksankan kembali program yang
ditunda tersebut. Secara garis besar cara pemanggilan interrupt
dapat digambarkan seperti gambar berikut:

Gambar 9.4 Mekanisme pemanggilan interrupt

Pada saat interrupt berlangsung maka program counter akan

pergi menuju alamat interrupt dan mengerjakan perintah
(program) yang ada pada alamat tersebut, masing-masing
interrupt mempunyai alamat yang biasa disebut dengan
interrupt vektor alamat interrupt ini dapat dilihat pada tabel.
setelah mengerjakan interrupt tersebut maka 8051 akan kembali
mengerjakan perintah awal (main program).

231
 Tabel 9.1 Alamat vektor interupsi pada MCS-51

Pada tabel 2 terdapat beberapa register yang digunakan untuk

melakukan setting interrupt pada 8051 masing-masing
mempunyai fungsi khusus antara lainnya ialah IE digunakan
untuk mengenable interrupt/ dengan kata lain untuk
mengaktifkan interrupt yang telah di-setting. IP merupakan
register yang digunakan untuk melakukan pengesetan prioritas
dari interrupt.
Tabel 9.2 Beberapa Register dalam 8051

IE : Interrupt Enable
IP : Interrupt Priority
TCON : Timer Control
SCON : Serial Control
* Hanya terdapat pada 8052 ke atas

E. PSEN (Program Store Enable)

PSEN adalah kontrol sinyal yang mengijinkan untuk mengakses
program (code) memori eksternal. Pin ini dihubungkan ke pin
232
OE (Output Enable) dari EPROM. Sinyal PSEN akan 0 pada
tahap fetch (penjemputan) instruksi. PSEN akan selalu bernilai
0 pada pembacaan program memori internal. PSEN terdapat
pada pin 29.

F. ALE (Address Latch Enable)

ALE digunakan untuk men-demultiplex address dan data bus.
Ketika menggunakan program memori eksternal port 0 akan
berfungsi sebagai address dan data bus. Pada setengah paruh
pertama memory cycle ALE akan bernilai 1 sehingga
mengijinkan penulisan alamat pada register eksternal dan pada
setengah paruh berikutnya akan bernilai satu sehingga port 0
dapat digunakan sebagai data bus. ALE terdapat pada pin 30.

G. EA (External Access)
Jika EA diberi masukan 1 maka mikrokontroler menjalankan
program memori internal saja. Jika EA diberi masukan 0
(ground) maka mikrokontroler hanya akan menjalankan
program memori eksternal (PSEN akan bernilai 0). EA terdapat
pada pin 31.

H. RST (Reset)
RST pada pin 9 merupakan pin reset. Jika pada pin ini diberi
masukan 1 selama minimal 2 machine cycle maka system akan
di-reset dan register-register internal akan berisi nilai default
tertentu dan program kembali mengeksekusi dari alamat paling
awal.

233
I. On-Chip Oscillator
Mikrokontroler MCS-51 telah memiliki on-chip oscillator yang
dapat bekerja jika di-drive menggunakan kristal. Tambahan
kapasitor diperlukan untuk menstabilkan sistem. Nilai kristal
yang biasa digunakan pada 89S51/89S52 adalah sekitar 12
MHz, dan maksimum sampai 24 MHz. On-chip oscillator tidak
hanya dapat di-drive dengan menggunakan kristal, tapi juga
dapat digunakan TTL oscillator.

J. Koneksi Power
Mikrokontroler biasanya beroperasi pada tegangan 3.3 volt atau
5 volt (tergantung serinya). Pin Vcc terdapat pada pin 40
sedangkan Vss (ground) terdapat pada pin 20.

9.10 RANGKAIAN MIKROKONTROLLER

Sistem minimum (sismin) mikrokontroler adalah
rangkaian elektronik minimum yang diperlukan untuk
beroperasinya IC mikrokontroler. Sismin ini kemudian bisa
dihubungkan dengan rangkaian lain untuk menjalankan fungsi
tertentu. Suatu sismin bisa saja ditambahkan dengan rangkaian
pelengkap lainnya sehingga menjadi suatu sistem yang lebih
lengkap dan memiliki fungsi lebih banyak.
Untuk membuat rangkaian sismin Atmel 89S diperlukan
beberapa komponen yaitu:
 IC mikrokontroler AT89S
 1 XTAL 12 MHz atau 11.0592 MHz
 2 kapasitor kertas 33 pF
 1 kapasitor elektrolit 10 uF
 1 resistor 10 Kohm

234
Selain itu tentunya diperlukan power suply yang bisa
memberikan tegangan 5V DC
Gambar rangkaiannya adalah sebagai berikut.

Gambar 9.5 Pemberian Tegangan mikrokontroller

235
9.11 Pemrograman AT89S51 Bahasa Assembly
Bahasa Assembly adalah bahasa pemrograman tingkat
rendah. Dalam pemrograman komputer dikenal dua jenis
tingkatan bahasa, jenis yang pertama adalah bahasa
pemrograman tingkat tinggi (high level language) dan jenis yang
kedua adalah bahasa pemrograman tingkat rendah (low level
language).
Bahasa pemrograman tingkat tinggi lebih berorientasi
kepada manusia yaitu bagaimana agar pernyataan-pernyataan
yang ada dalam program mudah ditulis dan dimengerti oleh
manusia. Sedangkan bahasa tingkat rendah lebih berorientasi ke
mesin, yaitu bagaimana agar komputer dapat langsung
mengintepretasikan pernyataan-pernyataan program.
Kelebihan Bahasa Assembly:
1. Ketika di-compile lebih kecil ukuran
2. Lebih efisien/hemat memori
3. Lebih cepat dieksekusi
Kesulitan Bahasa Assembly:
1. Dalam melakukan suatu pekerjaan, baris program relatif
lebih panjang dibanding bahasa tingkat tinggi
2. Relatif lebih sulit untuk dipahami terutama jika jumlah
baris sudah terlalu banyak
3. Lebih sulit dalam melakukan pekerjaan rumit, misalnya
operasi matematis

9.12 Bahasa Assembly Mcs-51

Dalam program bahasa assembly terdapat 2 jenis yang
kita tulis dalam program yaitu:
1. Assembly Directive (yaitu merupakan kode yang menjadi
arahan bagi assembler/compiler untuk menata program)
236
 2. Instruksi (yaitu kode yang harus dieksekusi oleh CPU
mikrokontroler)

9.13 Daftar Instruksi Bahasa Assembly Mcs-51

Dalam program bahasa assembly terdapat 2 jenis yang
kita tulis dalam program: 1. Assembly Directive (yaitu
merupakan kode yang menjadi arahan bagi assembler/compiler
untuk menata program) 2. Instruksi (yaitu kode yang harus
dieksekusi oleh CPU mikrokontroler dengan melakukan
operasi tertentu sesuai dengan daftar yang sudah tertanam
dalam CPU)

237
Daftar Assembly Directive

238
Daftar Instruksi

239
240
9.14 Download Program Atmel 89s51 Dengan ISP
Download program ke IC mikrokontroler Atmel 89S
dapat dilakukan secara ISP (In System Programming) yaitu
langsung di rangkaian sistem tanpa perlu memindahkan IC ke
perangkat downloader khusus. Yang diperlukan adalah kabel
ISP tersambung ke kaki 6 s/d 9 beserta Vcc dan GND.
Cara download program adalah sebagai berikut.
Pastikan program sudah berhasil di-compile sehingga tercipta
file .hex di folder program. Pastikan pula kabel ISP tersambung
ke port paralel komputer dan ke mikrokontroler serta rangkaian
mikrokontroler sudah diberikan catu.
1. Panggil program Atmel | Microcontroller ISP Software
dari start menu.
2. Klik Option lalu Select Devices. Pilih jenis seri IC yang
ingin di-write, pilih Byte Mode (download mode byte
lebih cepat), serta pastikan angka XTAL sesuai dengan
XTAL yang dipakai di rangkaian. Lalu klik OK.

241
 3. Klik icon Load Buffer lalu pilih file hex yang ingin di-
write ke dalam IC.

4. Klik icon Auto Program. Software akan melakukan erase

program terdahulu, write program, lalu verify hasilnya.
Jika lancar maka user akan dipersilakan untuk
melakukan lock (proteksi program) mulai dari Lock 0
(tanpa proteksi) sampai Lock 3 (paling secure).
Setelah semua proses selesai klik menu Instructions lalu Run
Target untuk menjalankan program di hardware.

242
Gambar 9.6 Hubungan antara mikrokontroller dengan peralatan dan
komputer

Dalam bidang robotika mikrokontroller digunakan untuk

pengendalian lengan robot (robot arm). Mikrokontroller
mengontrol setiap gerakan sudut axis sumbu.

243
Gambar 9.7 Penerapan mikrokontroller pada lengan robot

244
 Sistem diatas yang dirancang menggunakan lengan robot
ROB3 sebagai basisnya. Lengan robot ROB3 digerakkan oleh
enam buah motor DC. Posisi sudut setiap poros diketahui
melalui potensiometer. Sebagai penggerak motor dirancang
rangkaian driver yang tersusun atas IC L293D serta driver yang
tersusun atas transistor darlington TIP 120 dan TIP 125. Untuk
membangkitkan frekuensi ultrasonik digunakan rangkaian
multivibrator dari IC 555. Gelombang pantulan yang diterima
oleh transduser penerima mengalami proses penyesuaian isyarat
melalui untai penguat, penyearah serta filter. Keluaran untai
penyesuai isyarat serta keluaran potensiometer diubah menjadi
digital oleh IC ADC0809. Mikrokontroler menggunakan data-
data tersebut untuk menentukan bentuk gerakan serta
kecepatan gerakan yang dilakukan oleh robot. Setiap motor
digerakkan oleh isyarat Pulse Width Modulation yang
dihasilkan Mikrokontroler.
Mikrokontroler mempunyai tugas mengendalikan
seluruh sistem. Mikrokontroler juga bertugas menerima
program dalam format heksadesimal dari komputer dan
menyimpannya di RAM eksternal. Sistem minimal
mikrokontroler dilengkapi dengan PPI 8255 untuk menambah
port keluaran. Mikrokontroler membangkitkan sinyal PWM
untuk menggerakkan motor serta sinyal-sinyal pengendali ADC
dan driver motor. Mikrokontroler menerima data digital dari
ADC0809 yang berasal dari sensor potensiometer dan
transduser ultrasonik

Rangkaian Mikrokontroller Untuk Robot Line Follower

Robot line follower (Robot Pengikut Garis) adalah robot
yang dapat berjalan mengikuti sebuah lintasan, ada yang
245
menyebutnya dengan line tracker, line tracer robot dan
sebagainya. Garis yang dimaksud adalah garis berwarna hitam
diatas permukaan berwarna putih atau sebaliknya, ada juga
lintasan dengan warna lain dengan permukaan yang kontras
dengan warna garisnya. Robot line follower terdiri dari 3
macam rangkaian, yaitu :

Rangkaian Sensor
Sensor pada robot line follower berfungsi untuk
mendeteksi jalur yang harus diikuti oleh robot. Sensor
pendeteksi jalur dibuat dari pasangan LED dan photodiode atau
phototransistor. LED berfungsi mengeluarkan cahaya. Cahaya
tersebut jika mengenai permukaan berwarna putih akan
dipantulkan dan diterima oleh photo-dioda, jika cahaya
mengenai permukaan berwarna hitam maka cahaya tersebut
akan diserap oleh warna hitam (tidak dipantulkan kembali).
Rangkaian sensor ini menggunakan komparator yang berfungsi
sebagai pengeksekusi hasil output dari sensor yang akan
dilanjutkan ke motor-motor DC.
Rangkaian komparator ini sangat penting karena output
dari sensor masih memiliki kemungkinan tidak pada kondisi
ideal bila intensitas pantulan cahaya LED pada garis lemah,
misalnya karena perubahan warna atau lintasan yang kotor.
Cara kerja rangkaian komparator ini dengan membandingkan
output sensor dengan suatu tegangan threshold yang dapat
diatur dengan memutar trimmer. Jika tegangan dari threshold
lebih besar dari tegangan output, maka keluaran dari
komparator akan bernilai 1 (High Digital Output).

246
 Gambar 9.8 Rangkaian Sensor (Achmad Zakki, 2015)

Rangkaian Driver Motor

Driver motor merupakan salah satu perangkat umum
yang digunakan untuk kendali motor DC. Driver motor ini
yang nantinya bertugas mengendalikan arah putaran maupun
kecepatan motor DC yang akan dikendalikan. Driver motor ada
yang berupa IC, beberapa diantaranya adalah L298, L293D,
LMD18200, dll. Pada dasarnya IC driver motor tersebut
merupakan bentukan dari rangkaian H-Bridge baik itu H-Bridge
transistor ataupun H-Bridge mosfet. L298 dan L293D
merupakan contoh IC driver motor dengan transistor.

247
 Gambar 9.9 Rangkaian Driver Motor (Achmad Zakki, 2015)

Rangkaian driver motor yang dipakai dalam rangkaian ini

menggunakan IC L293D yang didesain khusus sebagai driver
motor DC dan dapat dikendalikan. Motor DC yang dikontrol
dengan driver IC L293D dapat dihubungkan ke ground
maupun ke sumber tegangan positif karena di dalam driver
L293D sistem driver yang digunakan adalah totem pool. Dalam
1 unit chip IC L293D terdiri dari 4 buah driver motor DC yang
berdiri sendiri sendiri dengan kemampuan mengalirkan arus 1
Ampere tiap drivernya. Sehingga dapat digunakan untuk
membuat driver H-bridge untuk 2 buah motor DC.

248
 Desain
Robotika 10
(Line Follower
Robot)

249
 Dalam perancangan robotika dalam modul ini akan
dicoba di desain sebuah robot sederhana yang dapat mendeteksi
jalur dengan menggunakan sensor cahaya. Robot penjejak
cahaya ini terdiri dari beberapa bagian sesuai fungsinya masing-
masing yaitu otak sebagai bagian penentu aktifitas. Otak bekerja
menentukan gerakangerakan motor berdasarkan masukan yang
diterima oleh sensor-sensornya. Dalam aplikasi ini, bagian otak
adalah CPU yang merupakan sistem mikrokontroler khusus
untuk keperluan robotik. Sistem mikrokontroler ini sudah
dilengkapi dengan konektor-konektor untuk sensor maupun
pengendali motor. Walaupun aplikasi robot penjejak garis ini
sebetulnya cukup sederhana sehingga tidak mengharuskan
penggunaan sistem mikrokontroler namun pada aplikasi ini
digunakan sistem mikrokontroler sebagai otak karena sistem ini
bersifat fleksibel dan dapat diprogram sesuai kebutuhan
sehingga aplikasi robot dapat diubah dengan mudah tanpa
melakukan modifikasi yang terlalu besar pada perangkat
kerasnya.

Gambar 10.1 Prinsip kerja robot sederhana

250
10.1 SENSOR PROXIMITY
Sensor proximity adalah sensor untuk mendeteksi ada
atau tidaknya suatu obyek. Bila obyek berada didepan sensor
dan dapat terjangkau oleh sensor maka output rangkaian sensor
akan berlogika “1” atau “high” yang berarti obyek “ada”.
Sebaliknya jika obyek berada pada posisi yang tidak terjangkau
oleh sensor maka output rangkaian sensor akan bernilai “0”
atau “low” yang berarti obyek “tidak ada”.
Dalam dunia robotika, sensor proximity seringkali
digunakan untuk mendeteksi ada atau tidaknya suatu garis
pembimbing gerak robot atau yang lebih dikenal dengan istilah
“line following” atau “line tracking”, juga biasa digunakan
untuk mendeteksi adanya benda benda penghalang seperti
dinding atau benda-benda lainnya sehingga robot dapat
menghindari tambrakan dengan benda-benda tersebut. Jenis
sensor proximity meliputi limit switch (saklar mekanik),
ultrasonic proximity, infrared proximity (infra merah), kamera
dan lain sebagainya. Gambar 8.1 adalah contoh pada aplikasi
line following robot.

(a) (b)
Gambar 10.2 Lintasan Robot,
(a) Lintasan Tunggal, (b) Lintasan bercabang
251
 Gambar 10.3 Manuver saat robot mengikuti garis

Salah satu kegunaan sensor proximity yang sering dijumpai

dalam dunia robotika adalah sebagai sensor garis. Adapun
untuk jenis - jenis dari sensor garis ini berupa :

252
Adapun karakteristik dari salah satu sensor tersebut (pada
photodiode) adalah sebagai berikut :

Prinsip Kerja sensor proximity:

Pada gambar di atas, dapat kita lihat bahwa sensor akan

menerima lebih banyak cahaya jika bila obstacle mendekati
warna putih.

Gambar. 10.4 Prinsip Kerja Sensor Proximity

253
 Bila Garis terang, maka sinyal LED dapat dipantulkan.
Bila cahaya LED memantul pada garis dan diterima oleh basis
fototransistor maka phototransistor menjadi saturasi (on)
sehingga tegangan output (Vout) menjadi sama dengan VCE
saturasi atau mendekati 0 volt. Sebaliknya jika tidak terdapat
pantulan maka basis fototransistor tidak mendapat arus bias
sehingga fototransistor menjadi cut-off (C-E open), dengan
demikian nilai Vout sama dengan VCC (5 Volt).

Gambar 10.5 Rangkaian Infra Red Proximity Sebagai Sensor Garis

Untuk dapat diinterfacekan ke mikrokontroler, tegangan output

harus selalu berada pada level 0 atau VCC. Output rangkaian
gambar di atas masih memiliki kemungkinan tidak pada kondisi
ideal bila intensitas pantulan cahaya LED pada garis lemah,
misalnya karena perubahan warna atau lintasan yang kotor.
Untuk mengatasi hal tersebut ditambahkan rangkaian
pembanding yang membandingkan output sensor dengan suatu
tegangan threshold yang dapat diatur dengan memutar trimmer
potensio (10K). Rangkaian lengkapnya seperti pada gambar di
bawah ini. LED pada output berguna sebagai indikator logika
output sehingga kerja sensor mudah diamati.

254
 Gambar 10.6 Sensor dengan rangkaian pembanding

Untuk lebih dari satu sensor dapat dibuat rangkaian yang

identik sesuai kebutuhan. Satu buah LM339N berisi 4
pembanding yang dapat dipakai untuk 4 rangkaian sensor.
Untuk kebutuhan jumlah sensor yang lebih besar, misalnya
pada robot line tracer untuk keperluan KRI, rangkaian ini bisa
digandakan sesuai kebutuhan.

Gambar 10.7 Modifikasi Rangkaian Sensor

255
 Gambar 10.8 Rangkaian Sensor yang telah dimodifikasi

Berikut di bawah ini gambar rangkaian sensor dengan

menggunakan 4 buah sensor garis ditambah dengan kapasitor
yang berfungsi sebagai filter yang akan menapis output yag cacat
:

256
 Gambar 10.9 Sensor dengan 4 buah sensor garis

Namun, untuk sensor garis ini memilki kelemahan yaitu

pengaruh cahaya tampak pada kinerja sensor. Hal ini seperti
yang dapat kita lihat pada gambar disamping. Untuk mengatasi
masalah ini, maka yang dapat kita lakukan adalah :
1. Cover Sensor ;
2. Tambahkan tegangan Offset.

257
 Gambar 10.10 Bentuk Signal perolehan cahaya luar oleh sensor

10.2 PENGARUH JUMLAH SENSOR

258
259
260
 Gambar. 10.11 Kemungkinan Posisi Sensor Proximity Pada Line
Setelah mengetahui kemungkinan-kemungkinan posisi sensor,
maka selanjutnya harus didefinisikan aksi dari setiap kondisi
tersebut. Perhatikan tabel berikut ini :

Tabel Aksi pergerakan robot

261
Pelacakan Garis
Pelacakan garis (motion control) bertanggung jawab
mengatur motor agar tetap aman berjalan dua arah pada
berbagai model lintasan line maze. Hal ini erat kaitannya dengan
mekanisme pembacaan data permukaan line maze oleh sensor.
Banyak faktor yang mempengaruhi kesalahan pembacaan data
dari sensor, misalkan intensitas cahaya dalam ruangan,
sensitifitas dari sensor kemampuan lantai memantulkan warna
yang diterimanya dan penyebab lainnya. Error ini
mempengaruhi kestabilan ALF untuk bisa berjalan mengikuti
garis hitam aman dan lancar. Semakin besar error, maka
pergerakan ALF semakin tidak stabil dan besar kemungkinan
untuk keluar lintasan Robot yang bergerak pada lingkungan
nyata (real word) tidak serta merta memodelkan keadaan
lingkungan sesungguhnya agar bisa di mengerti oleh robot dan
untuk diambil suatu tindakan dalam mencapai tujuan yang
diinginkan. Untuk mengetahui posisi dan orientasi terhadap
lingkungannya, robot memerlukan bantuan dari sensor yang
melakukan penginderaan. Data yang diperoleh dari pembacaan
sensor dikontrol dengan PID untuk menyeimbangkan
kecepatan motor kanan dan kiri pada saat menemui tikungan
dan mendapatkan error yang besar. Dengan begitu pekerjaan
selanjutnya untuk perencanaan jalur dapat dimulai, seperti
diperlihatkan pada Gambar 10.12 peran dari masing-masing
komponen dalam sistem ini.

262
Gambar 10.12 Diagram blok pembagian modul (Sri Wahyuni,
2013)

10.3 ROBOT LINE FOLLOWER

Robot line follower adalah robot yang dapat mengikuti
jalur berdasarkan warna. Robot line follower ini akan
membedakan dua kondisi gelap ataupun terang atau ”0” dan
”1”.

263
8.2.1 Gambar Rangkaian

Gambar 10.13 Rangkaian Skematik Driver Motor

Gambar 10.14 PCB Rangkaian Driver Motor

264
Gambar 10.15 Rangkaian Skematik Sensor Garis

Gambar 10.16 Rangkaian PCB Sensor Garis

265
 Gambar 10.17 Driver Motor Gambar 10.18 Sensor Garis yang
(ban kiri & kanan) yang telah telah rampung
rampung

Gambar 10.19 Alat yang Gambar 10.20 Tahap

Digunakan Perancangan

10.4 Membuat Source Code

Source code secara lengkap dapat dilihat pada Lampiran
A. Source code dibuat dengan menggunakan software
CodeVisionAVR dengan langkah-langkah sebagai berikut :

266
1. Jalankan CodeVisionAVR, kemudian klik File -> New, Pilih
Project

2. “Do you want to use the CodeWizardAVR?” Klik Yes

3. Pilih Chip yang digunakan, chip : ATmega8535L, clock :
11.059200 MHz

4. Lakukan setting sebagai berikut :

Port : Port C sebagai Output dan Port D sebagai Input Pullup
Timers : Timer 0 dengan Clock Value 10,800 KHz, aktifkan
Overflow Interrupt
267
5. Klik File -> Generate, Save and Exit
6. Buatlah source code seperti pada Lampiran A.
7. Setelah selesai membuat source code, klik Setting ->
Programmer
8. Pilih AVR Chip Programmer Type : Kanda System
STK200+/300 dan pilih Printer Port pada LPT1 : 378h

268
9. Klik Project -> Configure, kemudian pilih menu After Make
dan aktifkan Program the Chip.
Klik OK jika sudah.
PERHATIAN ! Jangan mengubah setting apapun pada menu
ini. Jika salah memilih,
chip Anda tidak bisa digunakan lagi !!

10. Untuk meng-compile project, klik Project -> Make

11. Jika tidak ada error maka file siap didownload ke chip.
Pastikan koneksi kabel downloader
dan chip sudah terpasang dengan benar.
12. Nyalakan power supply dan klik Program. Tunggu hingga
proses download selesai.

269
10.5 Program Robot
Menggunakan bahasa C

270
Menggunakan bahasa Assembly
;--------------------------------------------
; Program (programmable Line follower Robot)
; By : Hendra
; uC : AT89S52
; X-tal : 12 MHz
; Sensor IC (A): P3.4; P3.5; P3.6; P3.7
; Sensor IC (B): P2.3; P2.4; P2.5; P2.7
; Motor-2 : P0.0(A); P0.1(B)
; Motor-1 : P0.5(C); P0.6(D)
;--------------------------------------------
kutub_A bit P0.0 ; motor 2
kutub_B bit P0.1
kutub_C bit P0.5 ; motor 1
kutub_D bit P0.6

sense_A bit P3.4 ; Sensor garis-A

sense_B bit P3.5 ; Sensor garis-B (center)
sense_C bit P3.6 ; Sensor garis-C

start bit P1.2 ; saklar1

finish bit P1.3 ; saklar2

LED1 bit P1.0 ; Display LED

LED2 bit P1.1

PWM_R bit P2.0 ; flag PWM motor kanan

PWM_L bit P2.1 ; flag PWM motor kiri
;---------------------------------------------
org 00h
271
 sjmp main

org 0bh
ljmp interupsi_timer0
;---------------------------------------------
main: mov TMOD,#01010000b ; timer 1
mode 1 (untuk timer bounce)

call init_timer
jb start,$
call bounce
clr LED1
clr LED2
call sensor
jb finish,loop
call bounce
call stop
loop: sjmp loop ; Loop lagi ya !!!!
tapi rileks aja
;----------------------------
init_timer:
mov TMOD,#1 ;=
00000001b -->> timer 0 mode 1 (untuk PWM generator)
mov TH0,#high (-1000) ; 500 Hz --->
T={(1/f):2}*1000.000
mov TL0,#low (-1000) ; makin kecil berarti
frekuensi (Hz) makin besar
setb EA ; ---> frekuensi (Hz)
besar berarti putaran motor makin cepat
setb ET0
272
 setb TR0
ret
;--------------------- Interupsi timer-0 -----------------------
interupsi_timer0:
clr TR0
clr TF0
mov TH0,#high (-1000)
mov TL0,#low (-1000)
cpl PWM_R
cpl PWM_L
setb TR0
reti
;---------------------------------
bounce: mov TL1,#low (-50000)
mov TH1,#high (-50000)
clr TF1
setb TR1
jnb TF1,$
clr TR1
ret
;----------------------------------------------------------------
sensor: ; Scanning line guide
mov A,P3
cjne A,#11011111b,cek1
call maju
jmp sensor
cek1: mov A,P3
cjne A,#11101111b,cek2
call maju
jmp sensor
273
cek2: mov A,P3
cjne A,#10111111b,cek3
call maju
jmp sensor
;----------------------------------------koreksi ke kanan---------
cek3: mov A,P3
cjne A,#01111111b,cek4
call koreksi_kanan
jmp sensor
cek4: mov A,P3
cjne A,#00111111b,cek5
call koreksi_kanan
jmp sensor
;---------------------------------------koreksi ke kiri-----------
cek5: mov A,P3
cjne A,#11101111b,cek6
call koreksi_kiri
jmp sensor
cek6: mov A,P3
cjne A,#11001111b,lagi
call koreksi_kiri
lagi: ljmp sensor
ret
;--------------------------------------memutar motor DC---------
maju: ; robot bergerak maju
setb kutub_A
clr kutub_B
setb kutub_C
clr kutub_D
ret
274
;
kanan: ; robot belok ke kanan
setb kutub_A
clr kutub_B
clr kutub_C
setb kutub_D
ret
;
kiri: ; robot belok ke kiri
clr kutub_A
setb kutub_B
setb kutub_C
clr kutub_D
ret
;
koreksi_kanan: ; gerak robot dikoreksi
kekanan
setb kutub_A
clr kutub_B
clr kutub_C
clr kutub_D
ret
;
koreksi_kiri: ; gerak robot dikoreksi kekiri
clr kutub_A
clr kutub_B
setb kutub_C
clr kutub_D
ret
;
275
stop: ; robot berhenti
clr kutub_A
clr kutub_B
clr kutub_C
clr kutub_D
ret
;
mundur: ; robot bergerak mundur
clr kutub_A
setb kutub_B
clr kutub_C
setb kutub_D
ret
;----------------------akhir program ini--------------------------
End

276
10.6 UJI COBA ROBOT LINE FOLLOWER

Gambar 10.21 Ujicoba Robot

277
(Video Dapat Dilihat Pada CD)

278
 DAFTAR PUSTAKA

A. Goode, A. Rowe, and K. Agyeman, 2014. “Color Tracking

Explanation”,
ttp://www.cmucam.org/projects/cmucam4/wiki/Colortracki
ng_Explanation, diakses tanggal 20 Oktober 2014 pukul
21.00

Ade Irma Suryani, 2012. Sistem Informasi Psikologi AI. Diambil

secara online Maret 2015.
https://adeirmasuryani.wordpress.com/2012/10/27/tugas-
sistem-informasi-psikologi-artificial-intelligence-sejarah-ai-ai-
kognisi-manusia-ai-sistem-pakar-eliza-parry-nettalk/

Achmad Zakki Falani, Setyawan Budi. 2015. Robot Line Follower

Berbasis Mikrokontroler Atmega 16 dengan Menampilkan
Status Gerak Pada LCD.e-Jurnal NARODROID, Vol. 1 No.1
Januari 2015. E-ISSN : 2407-7712

Alfian Reztu. 2012. Konsep Sistem Komponen Robot Manipulator.

Diakses 2016.
https://alfianreztu.blogspot.co.id/2012/09/konsep-sistem-
komponen-robot-manipulator.html

Asep Sholahuddin, & Setiawan Hadi. 2013. Penerapan Jaringan

Syaraf Tiruan Pada Pengenalan Pola Robot Line Follower .
Prosiding Seminar Nasional Sains dan Teknologi Nuklir
PTNBR – BATAN Bandung, 4 Juli 2013.

Balza Achmad, 2006. Kecerdasan Buatan. Jurusan Teknik Fisika.

Fakultas Teknik. Universitas Gadjah Mada

Grace Bobby,dkk.2015. Implementasi Robot Keseimbangan Beroda

Dua Berbasis Mikrokontroler. Jurnal ELKOMIKA © Teknik

279
 Elektro Itenas | No. 2 | Vol. 3. ISSN: 2338-8323 Juli -
Desember 2015

Halkias dan Milman. 1984. Elektronika Terpadu (integrated

Electronic), Jilid 1. Jakarta : Erlangga.

H. Zhang, H. Lu, P. Dong, D. Xiong, and Z. Zheng. 2013. A Novel

Generic Ball Recognition Algorithm Based on
Omnidirectional Vision for Soccer Robots”, International
Journal of Advanced Robotic Systems, Vol.10, No. 388, 2013,
pp. 1-12.

Katsushiko Ogata yang diterjemahkan Edi Leksono. 1984. Teknik

Kontrol Automatik (Sistem Pengaturan). Jakarta : Erlangga

kharistiawan, 2012. Pengenalan Robot. Diakses online Oktober

2015. http://kharistiawan-zone.blogspot.co.id/2012/03/bab-
1-pengenalan-robot.html

Loveday. 1992. Inti Sari Elektronika. Jakarta : Erlangga.

Majalah Elexmedia. 1992. Kumpulan Data Praktis Elektronika

Populer. Jakarta : Gramedia.

Mark W. Spong, Seth Hutchinson, and M. Vidyasagar. 2004. Robot

Dynamics and Control.

1994. Relai, Prinsip dan Aturannya. Jakarta : Gramedia.

Paul, Malvino Albert. 1986. Prinsip-prinsip Elektronika Jilid 1.

Jakarta : Erlangga.

. 2002. Pedoman Pembuatan Karya Ilmiah Skripsi/Tugas

Akhir dan Proyek Akhir. Padang : FT UNP.

280
Pakpahan, Sahat. 1994. Teknik Kontrol Automatik. Jakarta :
Erlangga

Priyoprahastyo, L.P. 2015. Design and Implementatio of Collision

Avoidance for Automated Guided Vehicle (AGV) Using
Ultrasonic Sensors With Fuzzy Logic Methods. Telkom
University.

Nalwan, Paulus A. 2003. Teknik Antar Muka dan Pemrograman

Mikrokontroler AT89C52. Jakarta : Gramedia.

Putra, Agfianto Eko. 2002. Belajar Mikrokontroler

AT89C51/52/55, Teori dan Aplikasi. Yokyakarta : Gava
Media

Pohan, Husni Iskandar. 1997. Pengantar Perancangan Sistem.

Jakarta : Erlangga.

Siemens. 1962. Introduction to Telephone Engineering. Munich :

Siemens and Helske AG.

Suhana, dkk. 1991. Buku Pegangan Teknik Telekomunikasi.

Bandung : Telkom.

Firmansyah, Eka, 2001. Pengukuran Jarak dengan Gelombang

Ultrasonik memanfaatkan mikrokontroler 68HC11AIFN,
Tugas Akhir, Universitas Gadjah Mada, Yogyakarta (tidak
diterbitkan).

Nurbiyanto, Jupri, Sistem Kendali Lengan Robot

2001.
Menggunakan Sensor Kamera, Tugas Akhir, Universiats
Gadjah Mada, Yogyakarta (tidak diterbitkan).

Eko Putra, Agfianto, 2004, Belajar Mikrokontroler AT89C51/52/55

(Teori dan Aplikasi). Yogyakarta, Gava Media.

281
MATLAB, Sugeno-Type Fuzzy Inference :: Tutorial (Fuzzy Logic
Toolbox)

Kusumadewi, Sri, 2002. Analisis & Desain Sistem Fuzzy

Menggunakan Toolbox MATLAB. Yogyakarta, GRAHA
ILMU.

Kuswadi, Son, 2000. Kendali Cerdas (Intelligent Control), Surabaya,

EEPIS Press.

S’TO, 2001. Pemrograman Dengan Bahasa Assembly Edisi Online

Versi 1.0, Jasakom

Supriyanto, 2010. Teknik Perancangan Robot. Buku Ajar.

Universitas Gunadarma

Sri Wahyuni, 2013. Algoritma Rekursif Untuk Pemetaan Jalur

Autonomous Line Follower. Prosiding Conference on Smart-
Green Technology in Electrical and Information Systems Bali,
14-15 November 2013. ISBN: 978-602-7776-72-2 ©
Universitas Udayana 2013.

Wahyu dwi hartanto, thomas & y. Wahyu agung prasetyo, 2004.

Analisis dan Desain Sistem Kontrol dengan MATLAB,
Yogyakarta, ANDI offset.

Atmel, 2004. Flash Microcontroller: Architectural Overview. USA :

Atmel Inc. (http:// www.atmel.com).

Budiharto, W. 2004. Interfacing Komputer dan Mikrokontroler .

Jakarta: PT. Elex Media Komputindo.

Eko Putra, A. 2002. Belajar Mikrokontroler AT89C51/52/55 (Teori

dan Aplikasi). Yogyakarta : Gava Media.

282
Peacock, C. 2005. Interfacing the Standard Parallel Port. Internet
Resource (http:// www.beyondlogic.org).

Petruzella, F. D. 1996. Elektronika Industri. Yogyakarta : Andi.

Suryono, 2003. Workshop Pemrograman Mikrokontroler MCS-51

dan Aplikasinya. Semarang : Lab Elektronika dan
Intrumentasi Fisika. Universitas Diponegoro.

Singh, Nanua. 1996. Systems approach to Computer integrated

design and Manufacturing. John Wiley & Sons, Inc. Canada

Wasito, S. 1995. Vademekum Elektronika. Gramedia: Jakarta.

Malvino, A. P. 1992. Prinsip-prinsip dan Penerapan Digital.

Diterjemahkan oleh Ir. IRwan Wijaya. Erlangga : Jakarta.

Pratt . 1991. Digital Image Processing, New York : John Wiley &
Sons,

Gonzales 7 P. Wintz. 1987. Digital Image Processing, Reading,

Massachusetts, Addison-Wesley,.

Pavlidis. 1982. Algorithms for Graphics and Image Processing,

Computer Science Press,

http://www.cmucam.org, diakses tanggal 17 Maret 2015 pukul 19.00

http://www.kelasrobot.com/2014/11/macam-macam-jenis-sensor-
pada-robot.html

283
284
 INDEKS

Robotologi, 2 Opto,111
Numerically controlled, 3 Back propogation,100
Merekod, 3 Defuzifikasi,91
Teleoperator,3 Mamdani,89
Transducer,15 Dynamic,83
Fotolistrik,19 Interface,59
Photovoltaic,19 Decrement,167
Direksional,57 Latch,162
Tanpa Sikat,60 Interupt,161
Kecerdasan buatan,70 Mobile robot,143
Artificial, 70 Delay,142
Fuzzy logic, 88 Telescopic,107 spike,55
End of effector,111
Cmu cam, 133
Cone reseptor,139
Axis,171
Generate,190
Tachometer,111

285
286
 Glosarium
Teleoperator : Pengendalian secara jarak jauh melalui
sebuah operator. Terdapat sesorang yang
mengendalikan
Jaringan Neural : Jaringan syaraf tiruan, mirip dengan
jaringan syaraf otak manusia
Robotika : Bidang ilmu robotik
Fuzzy Logic : Logika kabur, digunakan untuk
mengelompokkan karakter
End of Efector : banyaknya pergerakan sumbu axis x,y,z
Transformasi : Perubahan
Transducer : perubahan energi
Bit : Banyaknya karakter
Byte : Jumlah kata
Back Propagation : Rambatan balik
Fuzzy : Kabur
Neuro : Jaringan
servo : Motor servo
Crisp : Tegas
Circuit : Rangkaian
Mikrokontroller : Pengendali mikro
ATMEL : Jenis IC
feedback : Umpan balik
citra : gambar 2 dimensi
automatic : Otomasi

287
288
Dokumentasi Keterlibatan Dalam Kontes Robot
Indonesia (Nasional dan Regional)

Bersama Mahasiswa Angkatan 2006 Dalam Kontes Robot di ITS

Surabaya

Menjadi Invited Speaker (Pemakalah Tunggal) Pada Seminar

Drone (Robot Terbang) di UNISMUH Pare-Pare
289
Bersama Anggota Tim dan Ketua Jurusan Prof. Dr. Ir. H. Ilham
Thaief, M.M Dalam Acara Kontes Robot 2007

Masuk Bacaan Penggemar Salah Satu Tabloid Kampus UNM

290
Menjadi Ketua Panitia Dalam Acara Workshop Robotika 2015

291
Juara 2,3, dan Ide Terbaik dalam Kontes Robot Tahun 2009

Peserta Kontes Robot Tahun 2013 di UDAYANA Bali

292
 Siap Berlomba (Robot Pemadam Api)

Membimbing Kontes Roket Indonesia (Kumorindo) di UMY

Yogyakarta Tahun 2014

293
Berkarya di Laboratorium

294
 TENTANG PENULIS

A. IDENTITAS DIRI
1.1 Nama Lengkap Dr. Hendra Jaya, S.Pd., M.T
1.2 Gol./Jabatan IIIc/Lektor
Fungsional
1.3 NIP 19820907 200501 1 001
1.4 Tempat dan Tanggal Ujung Pandang, 7 September 1982
Lahir
1.5 Alamat Rumah Jl. Kejayaan Utara 7 Blok L/260
BTP
1.6 Nomor Telepon/Fax 0411-4774147
1.7 Nomor HP 081328540086
1.8 Alamat Kantor Jl. A. P . Pettarani Kampus UNM
Gunungsari baru
1.9 Nomor Telepon
1.10 Alamat e-mqil hendra070982@gmail.com
1.11 Mata Kuliah yang Di 1. Bengkel Elektronika
ampu 2. Perancangan Elektronis
3. Teknik Kendali
4. Multimedia Pembelajaran
5. Aplikasi Kompouter
6. Robotika Industri

B. RIWAYAT PENDIDIKAN
2.1 Program S-1 S-2 S-3
2.2 Nama PT Univ. Univ. Gadjah Univ.
Negeri Mada Negeri
Makassar Yogyakarta Yogyakarta
295
2.3 Bidang Ilmu Pend. Teknik Elektro Pendidika
Teknik n
Elektronika Teknologi
Kejuruan
2.4 Tahun Masuk 2000 2004 2009
2.5 Tahun Lulus 2004 2006 2013
2.6 Judul Pengendalia Koreksi Pengemba
Skripsi/Tesis/D n Robot Geometris ngan
isertasi Malalui Pada Citra Laboratori
Jalur Foto Udara um
Telepon Simulasi
Praktek
Elektronik
a Digital di
SMK
2.7 IPK 3,72 3,68 (Sangat 3,82
(cumlaude) Baik) (cumlaude)
2.8 Nama Drs. Edy Prof. Adhi Prof.
Pembimbing/Pr Sabara, M.Si Susanto, M.Sc Djemari
omotor Mardapi,
Ph.D

C. PENGALAMAN PENELITIAN
Pendanaan
Tahun Judul Penelitian
Sumber Jumlah
Pelacakan Gerak Bola Mata
Penelitian
Menggunakan Jaringan Syaraf
2006 Dosen 10.000.000
Tiruan (Edy Sabara, Hendra
Muda
Jaya)
Koreksi Geometris Pada Citra Penelitian
2006 Menggunakan Harris Corner Dosen 10.000.000
Detection (Mustamin, Hendra Muda
296
 Pendanaan
Tahun Judul Penelitian
Sumber Jumlah
Jaya)
studi sistem lengan robot untuk
pergerakan kamera pemantau
Penelitian
2007 yang terkontrol melalui Hand 2.500.000
Rutin UNM
phone (Hendra Jaya, Tasri
Ponta)
Perencanaan Jaringan Voice
Over internet Protocol Penelitian
2008 2.500.000
Universitas Negeri Makassar Rutin UNM
(Ilham Thaief, Hendra Jaya)
Model Praktikum Berbasis
Virtual dalam Memfasilitasi Penelitian
2011 Proses Praktikum Siswa Sekolah PNBP 3.500.000
Menengah Kejuruan (Mantasia, UNM
Hendra Jaya)
Pengembangan Model
Praktikum Berbasis Virtual
(Virtual Laboratory) dalam
Penelitian
Meningkatkan Efektivitas
2012 Hibah 40.000.000
Praktikum dan Memfasilitasi
Bersaing
Pendidikan Karakter Siswa SMK
(Hendra Jaya, Sapto Haryoko)
Tahap I
Pengembangan Model
Praktikum Berbasis Virtual
Penelitian
(Virtual Laboratory) dalam
2013 Hibah 40.000.000
Meningkatkan Efektivitas
Bersaing
Praktikum dan Memfasilitasi
Pendidikan Karakter Siswa SMK

297
 Pendanaan
Tahun Judul Penelitian
Sumber Jumlah
(Hendra Jaya, Sapto Haryoko)
Tahap II
Model Lavir untuk mata
pelajaran produktif di SMK Penelitian
2013 85.000.000
(Sapto Haryoko, Hendra Jaya) STARANAS
Tahap I
Smart Lab Blackberry
USD
2013 Innovation
10.000
Cenyter ITB
Pengembangan Model
Laboratorium Simulasi Penelitian
2014 Interaktif 3Dimensi di SMK Hibah 50.000.000
(Hendra Jaya, Sapto Haryoko, Bersaing
Lu’mu)
Model Lavir untuk mata
pelajaran produktif di SMK Penelitian
2014 95.000.000
(Sapto Haryoko, Hendra Jaya) STARANAS
Tahap II
Model Lavir untuk mata
pelajaran produktif di SMK Penelitian
2015 90.000.000
(Sapto Haryoko, Hendra Jaya) STARANAS
Tahap III
Pengembangan Model
Laboratorium Simulasi Penelitian
2015 Interaktif 3Dimensi di SMK Hibah 50.000.000
(Hendra Jaya, Sapto Haryoko, Bersaing
Lu’mu) Tahap II

298
D. PENGALAMAN PENGABDIAN KEPADA
MASYARAKAT
Pendanaan
Tahun Judul Pengabdian
Sumber Jumlah
Modul Elektronika Analog
dan Digital untuk SMK IPTEKS
2007 3.000.000
Pallangga (Mustari, Hendra Rutin UNM
Jaya)
Rancang Bangun Sistem
monitoring Permukaan Air
Berbasis Sms (Short Message
Service) Sebagai Media
Informasi Dalam Rangka
2009 Peringatan Dini Bencana IbM IPTEKS 50.000.000
Banjir Dan Tsunami pada
daerah kab. Majene Provinsi
Sulawesi Barat (Hendra
Jaya, Yasser A. Djawad,
Supriadi)
Pelatihan Pembuatan media
pembelajaran berbasis
multimedia bagi Guru mata
pelajaran kejuruan Sekolah
IPTEKS
2009 Menengah Kejuruan Negeri 3.000.000
Rutin UNM
1 (SMKN 1) Galesong
Selatan Kab. Takalar
(Hendra Jaya, Tasri Ponta,
Sapto Haryoko)
Upaya Peningkatan
Pengetahuan dan IPTEKS
2010 3.500.000
Keterampilan Guru Sekolah Rutin UNM
Menengah Kejuruan Negeri
299
 3 (SMKN 3) Kabupaten
Takalar Melalui Pelatihan
Desain Laboratorium
Berbasis Virtual (Mantasia,
Hendra Jaya)
IbM Kelompok Guru SMP
Negeri 1 Balusu Kabupaten
Barru Melalui Pelatihan
2011 PNBP UNM 4.000.000
Desain Multimedia
Pembelajaran Berbasis
Virtual
IbM Kelompok Guru SMP
Negeri 1 Pallanro Kabupaten
Barru Melalui Pelatihan
2012 PNBP UNM 4.000.000
Desain Multimedia
Pembelajaran Berbasis
Virtual
IbM Kelompok Masyarakat
2015 Kecamatan Gilireng Mandiri 5.000.000
Kabupaten Wajo

E. Berperan Serta Aktif Dalam Pertemuan Ilmiah

Kegiatan Posisi Penyelenggar Waktu
a
Program penguatan kinerja Peserta Lembaga 14-16
peneliti melalui pelatihan Penelitian Oktober
dan lokakarya metodologi UNM 2006
penelitian
Workshop Artificial Peserta FTI-UII 22 - 24 mei
Inteligence Yogyakarta 2006

300
 Kegiatan Posisi Penyelenggar Waktu
a
Pelatihan program Peserta Lembaga 6-8 Feb
penerapan ipteks, vucer, Pengabdian 2007
dan pengembangan budaya Kepada Masy.
kewirausahaan (LPM UNM)
Pelatihan Tenaga Pemateri Dikti dan FT 4-9
laboratorium dan Teknisi UNM Desember
SMA-SMK Tahun 2006 se 2006
kawasan Timur Indonesia
Pemanfaatan energi nuklir Peserta Tek. Mesin 11 Mei
guna mendukung dan Industri 2006
ketahanan energi Nasional FT UGM
Training Peneliti Muda Peserta LPKTA FT 21 Mei
UGM 2006
IPTEK Dirgantara LAPAN Pemateri LAPAN, 30-Nov-06
Serpong
Pealatihan penyusunan Peserta Lembaga 21-23 Feb
proposal penerapan Pengabdian 2006
IPTEKS, program Vucer, Kepada Masy.
dan pengembangan budaya (LPM UNM)
kewirausahaan
Computer network and Pemateri Himanika FT 26-Nov-06
security UNM
Temu Ilmiah dan kongres Peserta FAPTI 22-23 mei
Nasional Forum Akademisi 2007
Perguruan Tinggi
Indonesia (FAPTI)

301
 Kegiatan Posisi Penyelenggar Waktu
a
Hasil Penelitian peranan Pemateri UNWAMA, 11-Nov-06
pemrosesan sinyal di Era Yogyakarta
Globalisasi

Seminar Nasional Nano Peserta LPKTA FT 20 Mei

Teknologi UGM 2006
Pelatihan Analisis Data Peserta FT UNM 13 Maret
2006
Training Pendampingan Pemateri LPM 27-28
Peserta (TPP) pelatihan Penalaran Januari
metodologi penelitian dan UNM 2007
orientasi anggota baru
(PMP-OAB) Lembaga
Penelitian Mahasiswa
Penalaran periode 2006-
2007
Workshop PKM Pemateri LPM 29-30
Penalaran September
UNM 2007
Workshop penulisan Peserta Pusat 20-21
artikel ilmiah Penelitian Agustus
Pemberdayaa 2007
n perempuan
Lomba Cerdas Cermat Juri LCTTI 27-28
SMK se-sulawesi selatan Dalam rangka November
Gebyar 2006
Elektronika
2006

302
 Kegiatan Posisi Penyelenggar Waktu
a
Kontes Robot dan Kontes Pembina KRI Reg. 1V 15-18 Mei
Robot Cerdas Indonesia ITS Surabaya 2008

International Seminar of Presenter Grand 4 Mei 2012

Reformulation of Clarion
Technology and Vocational Hotel,
Education Paradigms APTEKIND
O
International Conference Presenter Yogyakarta 28 Juni
on Vocational Education State 2012
and Training (ICVET) University
2012
Seminar Penelitian PNBP Pemateri Lemlit UNM 24-27
UNM tahun Anggaran September
2012 2012
Seminar Vokasi ICVET Pemateri UNY, 14 April
Yogyakarta 2014

Seminar Nasional Pemateri FT UNM, 28 Agustus

Pendidikan Vokasi FT Makassar 2014
UNM
Seminar Internasional Pemateri UPI, November
TVET Bandung 2014

Pengembangan Pemateri FT UNESA Tahun 2010

Laboratorium Virtual di
SMK Untuk Meningkatkan

303
 Kegiatan Posisi Penyelenggar Waktu
a
Kompetensi Siswa Pada
Mata Pelajaran Produktif

G. Publikasi Artikel Ilmiah

Judul Artikel Ilmiah Publikasi Volume/Nomor/
Tahun
Sistem Pengontrolan Robot Jurnal Nalar LPM Tahun 2005.
Melalui Jalur Telepon Penalaran Universitas
Negeri Makassar
Koreksi Geometris Pada Jurnal Orbith ISSN:1858-2096,
Pengolahan Citra Hasil Politeknik Negeri hal.426-435.
Foto Udara Semarang Tahun 2006
Koreksi Geometris Pada Prosiding Siptekgan ISBN:979-8554-
Pengolahan Citra Hasil X-2006 LAPAN 91-4. Hal 787-795.
Foto Udara Menggunakan Bogor.
Balon Udara.
Sistem aturan Fuzzy INOVASI, Majalah ISSN:0854-0187,
untuk tata fasilitas pada Ilmiah Universitas Vol.26 No.2,
sebuah konstruksi Tidar Magelang Hal.298-309
bangun September 2006
Interaksi manusia MEDIA ELEKTRIK, ISSN:1907-1728,
komputer pengganti Jurnal Teknik Elektro Vol.2 No.1, Hal.
mouse menggunakan Gagasan dan Hasil 47-54. Juni 2007
jaringan syaraf tiruan Penelitian
Sistem Monitoring JETC, jurnal ISSN:1829-7021,
Banjir dan Tsunami Elektronika Vol.4 No.1 Hal
Berbasis SMS sebagai Telekomunikasi dan 627-636. Des.
media informasi dalam Computer 2009.
304
rangka peringatan dini
bencana pada kab.
Majene prov. Sulbar.
Laboratorium Virtual JETC, jurnal ISSN:1829-7021,
Mata Kuliah Praktikum Elektronika Vol.4 No.2 Hal
Elektronika Digital Telekomunikasi dan 699- 710. Jun.
Jurusan Pendidikan Computer 2010.
Teknik Elektronika
Fakultas Teknik UNM
Hologram Technology for JETC, jurnal ISSN:1829-7021,
virtual learning in Elektronika Vol.5 No.1. Hal
vocational Education Telekomunikasi dan 800-810. Des.
Computer 2010
Pengembangan Jurnal Pendidikan ISSN: 2088-2866,
Laboratorium Virtual Vokasi, Pasca UNY Vol 2, Nomor 1,
untuk Kegiatan Februari 2012.
Praktikum dan Hal 81-90
Memfasilitasi
Pendidikan Karakter di
SMK
Pengembangan Prosiding Seminar ISBN: 978-979-
Laboratorium Virtual di Nasional FT UNESA 028-359-9.
SMK Untuk Hal.231-240.
Meningkatkan Tahun 2010
Kompetensi Siswa Pada
Mata Pelajaran
Produktif
Web-Based Proceeding Seminar ISBN: 978-602-
Collaborative Learning Internasional Center 98622-0-1. Hal.
And Virtual School To for School 15-25. Tahun
Support World-Class Development 2011
School Learning Process
305
Development Of Virtual Proceeding ISBN:978-602-
Laboratory Touchscreen International Seminar 9075-48-9
Based For The Student APTEKINDO Hal. 1000-1011
Of Vocational High Tahun 2012
School In Order To
Support The Practice
Learning
Using Laboratory International ISBN 979-604-
Simulation In conference on 151-0 . Hal. 507-
Vocational High School mathematics, sciences, 512.
To Model Real World Technology, Tahun 2013
Problems education and their
applications
Integrating Virtual Proceeding ISSN: 9772089
Laboratory From International Seminar Tahun 2013
Conventional Lab Into On Electrical, Hal. A45-A51
Vocational High School Informatics, And Its
To Facilitate Practicum Education
Activity (Sapto Haryoko,
Hendra Jaya, Lu’mu,
dan Mustamin)
Optimalisasi Prosiding Seminar ISBN: 978-6-
pembelajaran praktek Nasional FMIPA 2013 02171-46-6-9
berbasis Virtual pada
sekolah menengah
kejuruan (Sapto
Haryoko, Hendra Jaya)
Integrasi Laboratorium Seminar Nasional Tahun 2013
Virtual (LaVir) Pada Teknik Informatika
Mata Pelajaran 2013, UNHAS
Elektronika Digital Makassar
(Sapto Haryoko, Hendra
306
Jaya)
3D simulation Proceedings ISSN : 2301-
laboratory model of International 7147. Hal 34-42.
web-based interactive to Conference On Tahun 2014
improve accessibility, Vocational Education
desire to learn, and And Training
competenceof student (ICVET), Pasca UNY
vocational subject Yogyakarta
Pengembangan Media Prosiding FT UNM, ISBN:978-602-
Laboratorium Simulasi UNM Makassar 9075-28-1
3D Mata Pelajaran Hal. 702-711
Elektronika Analog Tahun 2014
Cultural Proceedings of the Tahun 2014
Transformation 3rd UPI International
Through Conference on
Diffusion of Innovation Technical and
Toward E-Learning Vocational Education
Optimalisation and Training, UPI
On Vocational Bandung
Education
(Ridwan Daud
Mahande, Hendra Jaya)

H. Karya Buku dalam 5 Tahun Terakhir

Judul Buku Tahun Jumlah Halaman Penerbit
Aplikasi Komputer 2014 272 halaman CV. Edukasi
ISBN: 978-602-7629-50-9 Mitra Grafika
Laboratorium Virtual : 2014 300 Halaman CV. Edukasi
Konsep dan Desain ISBN: 978-602-7629-55-4 Mitra Grafika

307
I. Penghargaan Yang Pernah Diraih 10 tahun Terakhir
Jenis Penghargaan Institusi Tahun
pemberi
penghargaan
Peneliti Terbaik Ke III Se- LIPI 2003
Indonesia
Dosen Teladan III FT UNM FT UNM 2009
Dosen Teladan III FT UNM FT UNM 2013
Peserta Kontes Robot Indonesia DP2M Dikti 2007, 2009,2010,
(Sebagai Pembimbing) 2011,2012, 2013,
2014, 2015,2016
Peserta Komurindo 2014 UMY DP2M Dikti 2014
Yogyakarta (Sebagai Pembimbing)
Peneliti Terbaik 2 se-UNM Rektor 2015
UNM

J. Publikasi On-line (Website)

www.smkfuture.blogspot.com , Topik: Rekonstruksi Pendidikan

Vokasi. Diposting sejak 4 februari 2011. Jumlah Visitor 2.450

www.jurnaljetc.blogspot.com, Topik: Jurnal Ilmiah. Tgl Posting: 29

April 2012.. Jumlah visitor 480

http://hendra1982.blogspot.com/ , Topik: Laboratorium Virtual

untuk SMK. Tgl Posting: Minggu, 26 Februari 2012. Jumlah visitor
214

308
http://ibmipteks2009.blogspot.com/ , Topik: Penerapan IPTEKS
(Monitoring Banjir & Tsunami Lewat SMS). Tgl Posting: 02 Oktober
2009. Jumlah visitor 187

http://fdpptk.blogspot.com/ , Topik: Teori Teori mengenai Filsafat

Terhadap pendidikan Nasional. Tgl Posting: 08 September 2009.
Jumlah visitor 127

http://hendra-s3uny.blogspot.com/ , Topik: MANAJEMEN

KURIKULUM DAN PEMBELAJARAN. Tgl Posting: 07 September
2009. Jumlah visitor 51

309
DESAIN DAN IMPLEMENTASI

SISTEM ROBOTIKA
BERBASIS MIKROKONTROLLER